TY -的A2 Alonso-Betanzos帕罗盟,翟Yikui AU -邓,文博盟——徐应非盟-柯,奇瑞AU -甘,junie盟——太阳,Bing盟——曾junie盟——Piuri Vincenzo PY - 2019 DA - 2019/11/15 TI -健壮的SAR自动目标识别基于转移MS-CNN L²正规化SP - 9140167六世- 2019 AB -尽管合成孔径雷达(SAR)自动目标识别(ATR)通过卷积神经网络(cnn)的深度学习取得了巨大的进展,一些关键问题仍没有解决由于缺少足够的样本和健壮的模型。在本文中,我们提出了一个有效的转移Max-Slice CNN (MS-CNN)和L²正规化的SAR ATR,丰富的特性和识别性能优越的目标。首先,给出了数据扩增方法减少计算时间和丰富的原始特征的SAR目标。其次,提出MS-CNN框架与L²正规化是训练有素的提取健壮的特性,在L²正规化是合并,以避免过度拟合现象,进一步优化我们的模型。第三,介绍了学习转移到增强特征表示和歧视,这将提高该模型的性能和鲁棒性在小样本。最后,各种激活函数和辍学策略评估为进一步提高识别性能。广泛的实验表明,我们提出的方法不仅可以表现在公众和其他先进的方法扩展MSTAR数据集也获得良好的性能在随机小数据集。SN - 1687 - 5265 UR - https://doi.org/10.1155/2019/9140167 - 10.1155 / 2019/9140167摩根富林明计算智力和神经科学PB - Hindawi KW - ER