|
|||||
|
|
| 基于深度卷积神经网络的频高图分类研究 | |
| 作者姓名： | 鲁转侠 华彩成 蔚娜 冯静 娄鹏 刘维平 |
| 作者单位： | 中国电波传播研究所 |
| 基金项目： | 国家自然科学基金(62031014,62031015)联合资助； |
| 摘 要： | 本文提出了一种利用深度卷积神经网络的频高图分类方法，在频高图分类标记的基础上，通过对深度学习经典网络结构的网络层迁移的方式，构建频高图类型识别网络模型，实现基于传播模式分布的频高图自动分类.利用试验获取的大量频高图数据，依据频高图中电离层传播模式分布情况，结合频高图度量基本规则，人工对频高图数据分类标记，生成网络模型样本数据；然后以随机方式，选取样本数据85%的数据作为训练数据，其余数据作为测试数据；经验证训练后的网络模型能够将测试频高图数据自动分为七种类型，频高图类型识别综合准确率高于97%.该方法可为频高图特征参数的自动、精确提取提供重要技术和高质量数据支撑，对电离层结构信息有效获取具有重要意义. |
| 关 键 词： | 频高图 深度卷积神经网络 传播模式 |