-
图 1 本文所提模型示意图
Figure 1.
-
图 2 多尺度卷积层示意图
Figure 2.
-
图 3 多尺度降采样层示意图
Figure 3.
-
图 4 CNN与MSCNN在不同损失函数条件下的特征可视化
Figure 4.
-
卷积层 多尺度卷积层1 多尺度下采样层1 多尺度卷积层2 多尺度下采样层2 多尺度卷积层3 全连接层 合计 24 1552 4480 6016 4480 5760 2560 24872 表 1 所提模型中主要的特征提取层的参数个数
-
卷积层32, 5×1 卷积层32, 5×1 卷积层64, 3×1 卷积层64, 3×1 卷积层128, 1×1 卷积层128, 1×1 全连接层2 合计 160 5120 6144 12288 8192 16384 2048 50336 表 2 CNN中主要的特征提取层的参数个数
-
隐藏层1, 600 隐藏层2, 300 隐藏层3, 50 合计 307200 180000 15000 502200 表 3 自编码模型中主要的特征提取层的参数个数
-
舰船编号 舰长 舰宽 吃水深度 1 182.8 24.1 8.1 2 172.8 16.8 6.5 3 153.8 20.4 6.3 4 135.0 16.8 4.5 5 121.0 17.6 4.3 6 102.2 16.5 4.2 7 89.3 12.1 4.0 表 4 7种舰船目标的结构参数(m)
-
模型 识别正确率 本文模型 97.67 模型a 89.23 模型b 82.41 模型c 75.25 表 5 不同模型深度条件下的识别正确率(%)
-
模型名称 SNR (dB) 5 10 15 本文模型 95.12 97.67 98.90 CNN+CL 93.88 95.89 97.56 SDAE+MLP 90.58 92.15 93.22 SAE+ELM 90.94 92.63 94.05 表 6 所提模型与对比模型在不同信噪比条件下的目标识别正确率(%)
-
本文模型 CNN+CL SDAE+MLP SAE+ELM 94.83 93.51 90.93 91.27 表 7 所提模型与对比模型在数据集B下的目标识别正确率(%)
图共
4 个 表共
7 个
