【摘 要】
：
针对雷达小样本目标识别问题,结合元学习和迁移学习提出一套综合解决方案,旨在根据实际应用场景的不同提供合适的模型学习方式和分类方式,从而提升雷达小样本目标识别效率和
【机 构】
：
南京电子技术研究所,中国电子科技集团公司智能感知技术重点实验室
【基金项目】
：
国家自然科学基金(U19B2031)资助课题
论文部分内容阅读
针对雷达小样本目标识别问题,结合元学习和迁移学习提出一套综合解决方案,旨在根据实际应用场景的不同提供合适的模型学习方式和分类方式,从而提升雷达小样本目标识别效率和准确率。同时,通过多组对比实验深入分析小样本学习算法在实际雷达目标识别场景下的模型性能变化,得出两个可有效指导工程化应用的重要结论。元学习模型在源任务信息充足且源任务与目标任务间差异性小时性能表现良好,否则迁移学习方法更适用;小样本学习模型对雷达目标外在特征的关注度不同,以识别为目的的雷达成像应重点关注模型需求的显著性特征。
其他文献
结合我国疫情防控工作已从应急状态转为常态化的实际情况,1月18日,安徽省科协印发了《安徽省科协关于进一步加强常态化新冠肺炎疫情防控应急科普工作的通知》(皖科协普秘〔20
在解决实际问题时,我们要善于挖掘题目中的隐蔽条件,养成画图的习惯,并善于从多角度、多侧面探寻解决问题的方法。请看下面的例题。
旋转相控阵雷达由于天线面阵旋转和电子波束偏移限制,每天线周期有66.7%左右的时间不能照射到正在跟踪的目标,可连续取值的自适应变数据率跟踪算法不适用于旋转相控阵雷达。
由于传统主动学习方法的计算量随着问题规模的增大呈指数增长,因此很难应用于大规模多类数据分类任务中。为解决该问题,设计了一种基于子抽样的主动学习(subsampling-based active learning,SBAL)算法。该算法将无监督聚类算法与传统主动学习方法整合,在二者之间增加了子抽样操作,该操作能够显著降低算法的时间复杂度,在保证实验准确率的基础上减少实验耗时,从而更加高效地处理大规模
小朋友,学习了“年、月、日”的知识,我们知道平年一年有365天,闰年一年有366天;大月有31天,小月有30天,平年二月有28天,闰年二月有29天;一个星期有7天;一天有24小时。同时,
针对机载雷达风电场杂波建模及影响分析研究相对较少的问题,将机载阵列天线回波模型与风轮机散射点叠加模型相结合,研究雷达处于机载平台时的风轮机回波信号建模问题。首先,
研究生是创新型人才的主体,如何做好研究生创新型人才培养的机制改革是“双一流”建设中需要解决的首要问题。随着研究生数量的增加,如果不对培养机制进行改革优化,培养质量