-
题名基于多层编码器的SAR目标及阴影联合特征提取算法
被引量:1
- 1
-
-
作者
孙志军
薛磊
许阳明
孙志勇
-
机构
电子工程学院
安徽省电子制约技术重点实验室
-
出处
《雷达学报(中英文)》
CSCD
2013年第2期195-202,共8页
-
基金
国家部委基金资助课题
-
文摘
针对合成孔径雷达(SAR)图像目标识别问题,提出一种基于多层自动编码器的特征提取算法。该方法利用随机神经网络受限波尔兹曼机学习建模环境概率分布的能力,通过组建更具函数表达能力的多层神经网络,提取描述目标及其阴影轮廓形状的综合特征。利用两种分类模型实现目标自动识别。基于MSTAR数据的仿真实验结果验证了算法的有效性。
-
关键词
SAR
特征提取
多层自动编码器
阴影
-
Keywords
SAR
Feature extraction
Multilayer auto-encoder
Shadow
-
分类号
TN957
[电子电信—信号与信息处理]
-
-
题名多层降噪自动编码器的心电信号去噪算法
被引量:2
- 2
-
-
作者
钱炜
郑威
徐伟
刘健
-
机构
江苏科技大学电子信息学院
-
出处
《计算机与数字工程》
2021年第10期1957-1962,共6页
-
基金
国家自然科学基金项目(编号:61601206)
江苏省自然科学基金项目(编号:BK20160565)
江苏省高校自然科学研究项目(编号:15KJB310003)资助。
-
文摘
传统的心电信号(ECG)去噪算法在去除线性的、平稳的ECG信号噪声时效果显著,但是在面对非线性、非平稳的ECG信号噪声时去噪效果不理想。为了提高心电信号算法的去噪能力运用了一种基于降噪自动编码器的ECG去噪算法。降噪自动编码器(DAE)具有噪声鲁棒性的特点,可以在信号受到污染的情况下尽可能地恢复数据的原始状态。为了进一步提升降噪自动编码器算法的去噪效果用多个降噪自动编码器堆叠形成深度神经网络对心电信号进行降噪处理。通过实验结果表明:多层降噪自动编码器(SDAE)算法相较于DAE算法和传统的心电信号去噪算法,SDAE算法对非线性、非平稳的信号噪声具有更好的降噪效果,而且保留了原始心电信号绝大部分的细节信息,对噪声具有较强的抗干扰能力,满足了心电信号的去噪要求。
-
关键词
心电信号去噪
降噪自动编码器
多层降噪自动编码器
深度学习
降噪
-
Keywords
ECG signal denoising
automatic noise reduction encoder
multi-layer automatic noise reduction encoder
deep learning
noise reduction
-
分类号
TP249
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于改进深层网络的人脸识别算法
被引量:46
- 3
-
-
作者
李倩玉
蒋建国
齐美彬
-
机构
合肥工业大学计算机与信息学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2017年第3期619-625,共7页
-
基金
国家自然科学基金(No.61371155)
安徽科技攻关项目(No.1301b042023)
-
文摘
目前的人脸识别算法在其特征提取过程中采用手工设计(hand-crafted)特征或利用深度学习自动提取特征.本文提出一种基于改进深层网络自动提取特征的人脸识别算法,可以更准确地提取出目标的鉴别性特征.算法首先对图像进行ZCA(Zero-mean Component Analysis)白化等预处理,减小特征相关性,降低网络训练复杂度.然后,基于卷积、池化、多层稀疏自动编码器构建深层网络特征提取器.所使用的卷积核是通过单独的无监督学习获得的.此改进的深层网络通过预训练和微调,得到一个自动的深层特征提取器.最后,利用Softmax回归模型对提取的特征进行分类.本文算法在多个常用人脸库上进行了实验,表明了其在性能上比传统方法和普通深度学习方法都有所提高.
-
关键词
人脸识别
改进的深层网络
卷积
池化
多层稀疏自动编码器
-
Keywords
face recognition
improved deep networks
convolution
pooling
stacked sparse autoencoder
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-