《表9 俯仰角和配置等参数变化的正确识别率》

  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

为进一步测试本文算法鲁棒性，采用15°俯仰角下的扩展目标为训练集，俯仰角为30°或者45°为测试集，分别测试俯仰角和配置参数变化的识别性能，结果如表9所示。由表9可见，测试样本为30°时，文献[11]中的SAR-HOG算子与本文算法比文献[8]中的MLA-LSR效果更好；本文采用Softmax分类器输出，比文献[11]采用SVM、KNN、SRC、LCK-SVD输出分类性能更优；本文算法比文献[11]中的SDDLSR算法鲁棒性稍差，但是本文算法训练速度更快、识别效率更高。随着测试样本俯仰角从30°增加至45°，算法识别率有所降低，但本文算法仍比其他算法性能更优。