龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：南京信息工程大学
摘要：本发明提供了Fisher信息矩阵姿态角自适应SAR目标识别方法，通过设计正则项和Fisher信息矩阵保护已学习到的SAR目标特征的参数，构建姿态角自适应SAR目标识别连续学习模型。模型采用在线学习的方式学习新观测的SAR目标数据，通过Fisher信息矩阵动态调节参数的正则化强度，保护已学习的对识别任务贡献大的模型参数，增强模型对不同姿态角下SAR目标特征的自适应能力，提高目标识别的准确性。在MSTAR数据集上进行实验，姿态角自适应SAR‑ART模型能够在线学习不同姿态角下SAR目标数据，不断适应不同姿态角下SAR目标特征变化，识别精度得到有效提高。本发明可广泛应用于SAR目标识别技术领域。
主权项：1.Fisher信息矩阵姿态角自适应SAR目标识别方法，其特征在于，包括以下步骤：步骤1，数据准备：SAR目标数据集{Da1,Da2，Da3，…，DaN}等待接收数据，同时进行数据滤波；DaN表示初始姿态角aN下的SAR目标数据集，N为样本个数；步骤2，模型初始化：利用Pytorch初始化器自动初始化合成孔径雷达自动目标识别SAR-ATR模型FEWC·；步骤3，预训练模型：令超参数l＝0，超参数λ为已学习数据集Da1与新学习数据集Da2之间的权重因子，在SAR目标数据集序列上通过提取SAR目标特征来训练模型FEWC·；步骤4，计算重要性权重：基于Fisher信息矩阵计算网络参数对SAR目标数据集序列的重要程度；步骤5，保护参数：模型FEWC·根据重要性权重对已训练的SAR目标数据集序列的关键特征进行保护；步骤6，学习新任务：令l＝g，其中γ为更新后的重要性权重因子，模型FEWC·对新姿态角下SAR目标数据学习；步骤7，重复步骤4～步骤6，面对持续新的SAR图像数据流，每次学习新姿态角下SAR目标数据后都要更新重要性权重；步骤8，输出y＝FEWC·，其中y为类别标签。
全文数据：
权利要求：
百度查询： 南京信息工程大学 Fisher信息矩阵姿态角自适应SAR目标识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号