《表3 不同惩罚参数λ对海杂波概率密度估计的均方误差统计结果》

  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

《基于累积量随机学习算法的高分辨率SAR图像舰船检测方法研究》

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

通过表2到表4我们可以得出以下结论，随着学习率η（t）的增加，海杂波概率密度估计的均方误差也会增加，这点很容易解释，主要是由于学习率越大，梯度下降速度越快，因此最终得到的概率密度估计结果误差会相应增加，但是太小的学习率由容易陷入局部最优，且收敛速度减慢，因此我们选用了0.01这个折中的数值。而随着惩罚参数λ的增加，海杂波概率密度估计的均方误差会呈现出先减小后增加的情况，这种情况的主要原因可能是由于惩罚参数λ保障了概率分布函数的单调性，但是太强的单调性限制又会影响到网络对概率密度函数估计的准确性，增加概率密度估计的均方误差，因此从本文的试验中，此数值设置在1～2之间最为合适。最后是惩罚参数Δ对海杂波概率密度的影响，从实验结果看出，不同Δ对海杂波概率密度影响较小，均方误差变化不大，此数值我们选用0.01。