检索结果-南通市图书馆

检索条件"主题词=多尺度卷积滤波器组"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

面向水下目标识别的卷积神经网络优化方法研究

面向水下目标识别的卷积神经网络优化方法研究

引用

作者：顾正浩哈尔滨工程大学

学位级别：硕士

随着时代与科技的发展,陆地资源逐渐无法满足人类的需求,人类开始转向海洋资源的开拓与发展。各国也因为海洋资源的相关竞争而爆发过多次冲突,海洋的经济和军事重要性日益突出。为此水下目标识别的研究在经济、军事两方面都具有深远的... 详细信息

随着时代与科技的发展,陆地资源逐渐无法满足人类的需求,人类开始转向海洋资源的开拓与发展。各国也因为海洋资源的相关竞争而爆发过多次冲突,海洋的经济和军事重要性日益突出。为此水下目标识别的研究在经济、军事两方面都具有深远的意义。由于水下声音信号日趋复杂,包括经典统计、人工识别在内的一些传统目标识别方法的局限性越来越明显。因此,如何准确高效地完成水下目标识别成为当前研究的重要方向。当前基于生物仿生神经元网络的深度学习方法在目标识别领域取得非常好的效果,尤其是卷积神经网络在图像、声音领域中达到了超越人类的识别能力。因此本文基于卷积神经网络以水下目标识别领域为背景进行针对性优化改进。在针对水下目标识别研究的工作中,考虑到卷积神经网络对图像信号具有较好的识别能力,本文尝试将水下声音信号转化成为声谱图像信号,然后利用卷积网络模型进行训练与预测。在传统卷积神经网络的组成主要由特征提取和分类两部分内容组成,因此本文将站在以上两个角度分别进行优化,使之在水下目标识别领域取得较好的效果。在本文中,考虑到声谱图像的像素关联性,提出利用全卷积1×1卷积层进行特征的提取;再结合声谱图像特征的层次性,提出基于多卷积滤波器组的特征提取方法;同时为了避免多层网络导致的精准度下降的问题,在模型中又引入了残差学习方法;同时考虑到已有模型Alexnet网络的稳定性和先进性,综合上述特征提取优化理论,进而提出一种基于Alexnet的优化网络模型。本文随后从分类优化角度,基于改进模型利用自编码器从准确率提升和训练时间优化两个角度提出两种方法:第一种方法基于对已有的Softmax分类器进行改进,使模型的准确率能有效提升;第二种方法提出一种新型的分类器模型,使模型在训练时间上能有效减少。并且通过相关仿真实验,验证了本文所提出的针对卷积神经网络优化方法在水下目标识别领域的可行性与有效性。通过本文的理论研究与相关实践,针对水下目标识别领域提出了一种有效的优化网络模型,并且针对不同的应用场景(准确率和时间)提出了更深层次的优化解决方案,使得本文的理论研究在水下目标识别领域具有一定的研究意义与价值。

关键词：水下目标识别卷积神经网络多尺度卷积滤波器组残差学习稀疏自编码器

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：