| 基于极限学习自编码器的水声信号目标识别方法 |
| |
| 引用本文： | 曹琳. 基于极限学习自编码器的水声信号目标识别方法[J]. 数字海洋与水下攻防, 2024, 7(2): 225-230 |
| |
| 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： | 2023-12-08 |
A Target Recognition Method for Underwater Acoustic Signals Based on Extreme Learning Autoencoder |
| |
| CAO Lin. A Target Recognition Method for Underwater Acoustic Signals Based on Extreme Learning Autoencoder[J]. Digital Ocean&Underwater Warfare, 2024, 7(2): 225-230 |
| |
| Authors: | CAO Lin |
| |
| Affiliation: | Underwater Test and Control Laboratory,Dalian 116013 ,China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《数字海洋与水下攻防》浏览原始摘要信息 |
|
点击此处可从《数字海洋与水下攻防》下载免费的PDF全文 |
