基于随机卷积特征和集成超限学习机的快速SAR目标识别

• Published in: Guang Dian Gong Cheng = Opto-Electronic Engineering Vol. 45; no. 1; p. 170432
• Main Authors: 谷雨, 徐英 / Gu Yu, Xu, Ying
• Format: Journal Article
• Language: Chinese; English
• Published: Chengdu Editorial Office of Opto-Electronic Advances 01.01.2018
• Subjects: Accuracy; Algorithms; Artificial intelligence; Artificial neural networks; Classification; Classifiers; Convolution; Design optimization; Earth science; Feature extraction; Learning theory; Machine learning; Neural networks; Remote sensing; Target detection; Target recognition; Training; China

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SAR目标识别实验，实验结果表明，由于采用的超限学习机具有快速训练能力，训练时间降低了数十倍，在...