基于门控多尺度匹配网络的小样本SAR目标识别

为了解决传统合成孔径雷达(synthetic aperture radar, SAR)目标识别方法在小样本条件下泛化能力差、识别准确率低的问题, 通过在匹配网络的基础上引入权重门控单元和多尺度特征提取模块, 提出了基于门控多尺度匹配网络的小样本SAR目标识别方法。在该方法中, 多尺度特征提取模块能够提取匹配网络不同卷积层的多尺度特征, 权重门控单元能够根据不同的识别任务赋予特征不同的权重大小, 实现根据具体任务选择最具代表性的目标特征, 从而以该特征为主导完成目标识别任务。在运动和静止目标获取与识别(the moving and stationary target acquisition and recognition, MSTAR)数据集上对提出的方法进行了验证, 实验结果表明，所提方法较其他3种小样本学习方法和两种小样本SAR目标识别方法表现出了一定的优越性, 而且所提方法经实验验证在噪声环境下表现出了一定的鲁棒性。     

p-平均对称差度量的Cauchy问题(Ⅰ)

从集合的对称差集合的Ｌｅｂｅｓｇｕｅ 测度出发，建立了衡量Ｆｕｚｚｙ 数之间差异的ｐ－平均对称差度量ｄΔｐ ，讨论了（Ｅ，ｄΔｐ）中的Ｃａｕｃｈｙ 序列的基本性质。     

非凸函数极小问题的BFGS法的全局收敛性

对ＢＦＧＳ进行了简单的修正,并证明了该算法用于求解非凸函数最小值时的全局收敛性。