文献

J-GLOBAL ID：201702247936188586   整理番号：17A1598379

監督されていないK平均値の特性とデータ強化に基づくSAR画像の目標認識法について述べた。【JST・京大機械翻訳】

SAR Image Target Recognition Based on Unsupervised K-means Feature and Data Augmentation

著者 (3件)： Liu Kaipin (五邑大学信息工程学院,广東江門,529020) ,  Ying Zilu (五邑大学信息工程学院,广東江門,529020) ,  Di Yikui (五邑大学信息工程学院,广東江門,529020)
資料名： Xinhao Chuli  (Xinhao Chuli)
巻： 33  号： 3  ページ： 452-458  発行年： 2017年 
JST資料番号： C2154A  ISSN： 1003-0530  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： 過去二十年に、合成開口レーダ(Synthetic Aperture Radar、SAR)の自動目標識別はますます注目されている。いくつかの監督された特徴学習アルゴリズムが提案され,合成開口レーダの自動ターゲット認識に適用されている。本論文において,教師なし学習アルゴリズム(K-平均)クラスタリングアルゴリズムを用いて,SAR画像の特徴を学習するためにブロック符号化と最適化領域パラメータを用いて,SAR画像のターゲット認識における特徴を自動的に学習することができた。しかし、教師なし学習は一般的に訓練データ量に対して高い要求があるため、著者らは二種類のデータ増強方法を提案し、回転目標物体の方位角、および原画像にランダム値を増加させることで、モデルを学習できるデータを獲得し、多様性を持つ特徴を学習できるようにした。認識効果を向上させる目的を達成した。公開されたMSTARデータベースを用いて実験を行い,結果は,提案した方法が96.67%の主流認識率を達成できることを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 合成開口レーダ ,  データベース ,  アルゴリズム ,  学習アルゴリズム ,  方位角 ,  *物体認識 ,  *画像 ,  教師なし学習 ,  最適化
準シソーラス用語： 認識率 ,  訓練データ ,  ブロック符号化 ,  クラスタリングアルゴリズム ,  自動ターゲット認識 ,  *SAR画像 , 【Automatic Indexing@JST】

著者キーワード (4件)： synthetic aperture radar ,  unsupervised algorithm ,  K-means feature ,  data augmentation

分類 (1件)： レーダ  (ND13010H)

タイトルに関連する用語 (4件)： 平均値 ,  強化 ,  SAR画像 ,  目標認識