基于迁移学习的雷达杂波幅度统计模型选择

在对目标进行探测和识别的过程中,雷达杂波幅度统计模型选择是重要步骤。为了提升杂波幅度统计模型选择的准确率,基于样本分布适配,提出了一种加权再均衡分布适配的迁移学习方法,实现了仿真数据的信息向实测海杂波IPIX数据的迁移。通过与已有算法进行比较,实验结果表明改进后的算法在IPIX数据集上能取得更好的分类准确率,在迁移学习公共数据集Office-Caltech10上的验证结果也表明了算法的普适性。