文献

J-GLOBAL ID：201802247355370039   整理番号：18A0163164

深部はSARターゲット認識のための教師つきt SNE【Powered by NICT】

Deep supervised t-SNE for SAR target recognition

著者 (4件)： Yu Meiting (College of Electronic Science and Engineering, National University of Defense Technology, Changsha, China) ,  Zhang Siqian (College of Electronic Science and Engineering, National University of Defense Technology, Changsha, China) ,  Zhao Lingjun (College of Electronic Science and Engineering, National University of Defense Technology, Changsha, China) ,  Kuang Gangyao (College of Electronic Science and Engineering, National University of Defense Technology, Changsha, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICFST  ページ： 265-269  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,t分布確率的近傍埋込み(t SNE)に基づく新しい特徴抽出法は,合成開口レーダ(SAR)画像における目標物認識のための提示した。SAR画像の局所構造特性を探索し,保存することを目的とした。最近,あるt-SNEは,効率的な技術としてデータの基本構造の発見に広く研究されている。しかし,標的認識にそれを適用するためのあまり注目されていない,あるt-SNEは,サンプルからの問題を扱うためにパラメトリックマッピングを提供することができないからである。この問題を解決し,SAR画像の複雑な特性を捕捉可能と同様にするために,あるt-SNEは,複雑な非線形写像関数を用いた深いフィードフォワードネットワークにより拡張した。ネットワークである制約付きボルツマンマシン(RBM)のスタックを用いた事前訓練された。性能を強化するために,SAR画像のアスペクト角はt-SNE,同一クラスはより濃縮を監視に使用されている。移動と固定標的自動認識(MSTAR)データセット上での実験結果により,提案した方法の効果的な性能を明らかにした。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 画像 ,  合成開口レーダ ,  特徴抽出 ,  捕獲 ,  *深部 ,  t分布 ,  ネットワーク ,  *物体認識 ,  Boltzmannマシン ,  写像
準シソーラス用語： 自動認識 ,  フィードフォワードニューラルネットワーク ,  局所構造 ,  SAR画像 ,  近傍 , 【Automatic Indexing@JST】

分類 (2件)： レーダ  (ND13010H) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 深部 ,  SAR ,  ターゲット認識 ,  教師