《表8 数据缺损下算法的鲁棒性》

  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

《基于导向重构与降噪稀疏自编码器的合成孔径雷达目标识别》

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

利用导向重构算法对SAR图像做重构预处理，采用DSAE提取SAR图像的低维鲁棒性特征并用Softmax分类器对SAR目标分类处理，分别进行以下3种实验测试:1)循环次数1次，学习率变化因子为0.96，通过隐层网络节点的Dropout设置为0.5时丢弃上层的神经元，在训练阶段提高模型泛化能力，网络结构块不同的3类目标识别率如表6所示；2)保持网络结构不变，当网络输入层为4 096时，块大小设置为24，Dropout设置为0，网络参数不同的最优识别率如表7所示；3)保持相关测试参数不变，数据缺损下算法鲁棒性如表8所示。