论文部分内容阅读
针对S A R 目标识别问题,提出了基于卷积神经网络的S A R 目标识别方法,并在此基础上对算法进行改进,提出C N N - S V M 模型.将传统卷积神经网络的s o f t - m a x 分类器替换为支持向量机,并对卷积神经网络提取的特征进行分类.首先对样本做剪裁、去噪处理,然后通过加噪、去噪等方法对样本进行扩充.通过对M S T A R 数据集进行仿真发现：传统的卷积神经网络和改进后的卷积神经网络对3 类目标的最佳识别正确率分别为9 7 .5 % 和9 9 .4 % ,证明了所提算法的有效性.