《表5 不同分类器的识别率Tab.5 Recognition rates for different classifiers》
为了验证CNN应用于HRRP特征提取和分类的有效性,用BP(Backpropagation)网络、SVM分类器和K-最近邻(K-Nearest Neighbor,KNN)分类器与CNN进行比较。BP网络采用256×50×50×4的网络结构,训练方法为批量梯度下降法,最大迭代次数为6 000。SVM分类器使用LIBSVM开源工具箱[11],核函数采用径向基函数,惩罚系数c和径向基函数中参数γ基于网格搜索法进行寻优;KNN分类器中的度量采用欧氏距离,K值取3。实验结果如表5所示。
图表编号 | XD0013986100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.28 |
作者 | 殷和义、郭尊华 |
绘制单位 | 山东大学(威海)机电与信息工程学院、山东大学(威海)机电与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |