《表3 两种网络性能比较：基于PID和深度卷积神经网络的辐射源识别方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于PID和深度卷积神经网络的辐射源识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图10是2种网络的识别率随迭代次数的变化曲线，传统卷积网络[10]随着迭代次数的增加，识别率在迭代次数为150左右时，开始出现下降。而改进型卷积网络由于增加了对输出错误率的约束，分类识别率没有因为迭代次数的增加而出现下降。因此可以得出结论：基于PID算法的卷积神经网络消除了过拟合现象，增强了网络的泛化能力。表3是两种卷积神经网络的性能参数，从识别率来看，本文算法比传统算法的电台识别率更高，平均识别率为92.59%。从识别率方差来看，本文算法下的识别率方差更小，说明网络识别效果更为稳定。从训练用时来看，本文算法用时更少，较传统卷积网络算法整体用时少了35.3 min，说明算法复杂度较低。