|
|||||
|
|
| 一种基于集成学习的DBN模型分类方法 | |
| 作者姓名： | 郜丽鹏 李勇 |
| 作者单位： | 哈尔滨工程大学信息与通信工程学院,哈尔滨,150001;哈尔滨工程大学信息与通信工程学院,哈尔滨,150001 |
| 摘 要： | 雷达信号分类是雷达信号电子侦察的关键技术之一,针对利用深度学习模型进行雷达信号分类时其性能不稳定的缺点,提出了一种基于集成学习的深度信念网络模型进行分类的方法.通过深度信念网络模型不同层间的特征抽取,通过不同的分类器得到不同的分类结果,再将分类结果进行集成,得到最终的输出.待分类的雷达信号由12部雷达产生,包括常规、参差、频率捷变和抖动四种雷达.仿真结果表明,该模型的分类错误率较低,鲁棒性较好. |
| 关 键 词： | 信号分类 电子侦察 集成学习 深度信念网络 特征抽取 分类器 |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |