论文部分内容阅读
深度卷积神经网络在目标检测与识别等方面表现出了优异性能,但将其用于SAR目标识别时,较少的训练样本和深度模型的优化设计是必须解决的两个问题。本文设计了一种结合二维随机卷积特征和集成超限学习机的SAR目标识别算法。首先,随机生成具有不同宽度的二维卷积核,对输入图像进行卷积与池化操作,提取随机卷积特征向量。其次,为提高分类器的泛化能力,并降低训练时间,基于集成学习思想对提取的卷积特征进行随机采样,然后采用超限学习机训练基分类器。最后,通过投票表决法对基分类器的分类结果进行集成。采用MSTAR数据集进行了