《表1 10类目标标准操作条件下训练和测试集》
实际应用中,识别算法需要在噪声干扰的条件下稳定工作以应对多种复杂的条件。MSTAR数据集中的原始SAR图像均来自相近的SNR,难以测试识别算法的噪声稳健性。为此,本文采用文献[7]的思路对表1中的10类测试样本进行噪声添加,进而测试不同在噪声干扰下的识别性能。图7所示为4种方法随信噪比变化的识别率曲线。可见,本文方法在各个噪声水平下都取得了最高的识别率,表明其较强的噪声稳健性。利用相关性约束下的少量样本对测试样本进行重构能够有效避免其余训练样本中存在的噪声干扰,因此一定程度了削弱了噪声的影响。同时,多层次的动态重构更为有效地体现了测试样本与正确训练类别之间的内在联系,因此有利于获得正确的决策结果。
图表编号 | XD001160800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 冯冬艳、王海晖 |
绘制单位 | 山西职业技术学院计算机工程系、武汉工程大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |