《表2 不同方法的分选准确率Tab.2 The accuracy rate of sorting under diferent methods》
为了证明本文方法的有效性,设计雷达库从中选取5部复杂体制雷达的信号参数,测频误差1 MHz,测向误差3°,按表1所示参数进行仿真验证。从上述5部雷达的信号脉冲中随机抽取400个脉冲作为训练样本,剩余的信号脉冲作为验证集,检验本文算法的泛化性能。同时为了进一步说明本文算法的优异性,选取两种分选方法作为参照,一种是采用多参数动态聚类的方法进行分选,另一种是采用基于Kohonen神经网络的多参数分选算法[18]。仿真实验的统计结果如表2所示。
图表编号 | XD0013990200 严禁用于非法目的 |
---|---|
绘制时间 | 2018.11.28 |
作者 | 袁泽恒、葛绍春、于岩 |
绘制单位 | 空军航空大学航空作战勤务学院、解放军93107部队、空军航空大学航空作战勤务学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表2 不同方法的分选准确率Tab.2 The accuracy rate of sorting under diferent methods”的人还看了
- 表2 不同学习率与迭代次数下识别准确率的比较Tab.2 Recognition accuracy comparison under differentlearning rates and iterations
- 表2 不同等距变换下普林斯顿和TOSCA的平均准确率Tab.2 Average accuracy of Princeton and TOSCA under different equidistant transformations
- 表3 TOSCA人脸数据集下和降采样、添加噪声处理后检测相似点云的平均准确率Tab.3 The average accuracy rate of detection of similar point cloud under and unde