文献

J-GLOBAL ID：201602218448451928   整理番号：16A0167369

マルチタスク学習と複雑な因子分析を用いるレーダH RRPターゲット認識法【Powered by NICT】

Radar HRRP Target Recognition Method Based on Multi-task Learning and Complex Factor Analysis

著者 (4件)： He Hua (National Lab. of Radar Signal Processing, Xidian Univ., Xi’an) ,  Du Lan (National Lab. of Radar Signal Processing, Xidian Univ., Xi’an) ,  Xu Danlei (National Lab. of Radar Signal Processing, Xidian Univ., Xi’an) ,  Liu Hongwei (National Lab. of Radar Signal Processing, Xidian Univ., Xi’an)
資料名： Dianzi yu Xinxi Xuebao  (Dianzi yu Xinxi Xuebao)
巻： 37  号： 10  ページ： 2307-2313  発行年： 2015年 
JST資料番号： C2507A  ISSN： 1009-5896  CODEN： DKXUEC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 高解像度範囲プロフィール(HRRP)の最も一般的な認識手法は振幅情報を利用するのみで,モデルパラメータの良好な推定精度を得るためには多数の訓練試料の必要がある。複雑なエコーに含まれる位相情報を利用し,少ない訓練データと低サンプリング速度でより良い性能を得るために,MTL CFAと呼ぶ,マルチタスク学習(MTL)と複雑な因子分析(CFA)に基づく統計モデルを提案した。MTL CFAモデルは複合H RRPデータを直接記述した。各訓練アスペクトフレームの統計的モデリングは,単一タスクと考えられており,全てのタスクを,共通の荷重行列を共有する。各動作の因子数は前スパースベータBernoulliにより自動的に決定される。測定データに基づく実験結果は,提案した模型MTL CFAはモデルの複雑さの低いためと観測データを記述するが,また少数の訓練データと満足できる認識精度を得るため,FAモデルに基づく従来の単一-タスク学習(STL)を得ることを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： *学習 ,  *レーダ ,  *物体認識 ,  統計模型 ,  高分解能 ,  *因子分析 ,  エノール ,  脂肪族アルコール ,  脂肪族塩素化合物 ,  無機酸エステル
準シソーラス用語： 認識精度 ,  サンプリング速度 ,  訓練データ ,  訓練 ,  推定精度 ,  モデルパラメータ , 【Automatic Indexing@JST】

分類 (1件)： 数値計算  (JE02000J)

物質索引 (1件)： ジクロルボス

タイトルに関連する用語 (4件)： マルチタスク学習 ,  因子分析 ,  レーダ ,  ターゲット認識