基于极限学习自编码器的水声信号目标识别方法 |
| |
作者姓名: | 曹琳 |
| |
作者单位: | 水下测控技术重点实验室,辽宁 大连 116013 |
| |
摘 要: | 传统的机器学习方法在特征提取时容易受到主观经验的影响,导致对水声信号目标的识别准确率不高。而一般深度学习算法模型较复杂,通常具有训练耗时、计算复杂度高等缺点。极限学习自编码器具有很强的非线性处理能力,适合针对具有非线性特点的水声信号目标的识别,而且模型具有学习速度快,泛化能力强等显著优势。将极限学习自编码器算法应用于水声信号目标识别中,并与卷积神经网络、自编码器和极限学习机识别方法进行对比,结果表明:提出的方法对水声信号目标识别的准确率最优,且训练时间较短。
|
关 键 词: | 水声信号目标识别 极限学习自编码器 卷积神经网络 |
收稿时间: | 2023/12/8 0:00:00 |
A Target Recognition Method for Underwater Acoustic Signals Based on Extreme Learning Autoencoder |
| |
Authors: | CAO Lin |
| |
Institution: | Underwater Test and Control Laboratory,Dalian 116013 ,China |
| |
Abstract: | |
| |
Keywords: | |
|
| 点击此处可从《》浏览原始摘要信息 |
| 点击此处可从《》下载免费的PDF全文 |
|