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：南京航空航天大学

摘要：本发明公开了一种基于门控递归残差网络的电大复杂目标识别方法。其包括：通过测绘获取电大复杂物体几何外形数据，建立精细几何模型数据库；对模型网格剖分；选用高频近似算法快速获得一维距离像数据库；对数据预处理，减少数据敏感性影响；构建ResNet‑GRU神经网络结构；将数据集输入网络，采用可变学习率优化损失函数；将待测数据输入到训练网络，输出目标分类名称。本发明构建的ResNet‑GRU网络，通过残差卷积模块和残差门控循环单元模块并行挖掘数据空间和时间特征信息，通过自注意力机制层动态分配融合特征权重残差网络，其网络模型有效避免传统深层网络训练出现的梯度爆炸、梯度消失和序列长期依赖问题，且精度高、参数量少，适用于多种应用场景。

主权项：1.一种基于门控递归残差网络的电大复杂目标识别方法，其特征在于，包含以下步骤：步骤S1、通过测绘获取电大复杂目标的几何外形数据，建立电大复杂目标的精细几何模型；步骤S2、对精细几何模型进行网格剖分；步骤S3、在剖分之后的网格上选用高频近似算法快速获取电大复杂目标的一维距离像数据库，所述的一维距离像数据库内包含一维距离像数据，获取电场动态分布图；步骤S4、对步骤S3获取的一维距离像数据进行预处理；步骤S5、建立ResNet-GRU神经网络结构，所述的ResNet-GRU神经网络包括残差卷积网络、GRU门控循环单元网络、融合模块和自注意层；从残差卷积网络和残差门控循环单元模块并行对电大复杂目标的一维距离像数据进行挖掘；融合模块将残差卷积网络挖掘的深度高级特征和残差门控循环单元聚合的时间序列信息特征进行融合；通过自注意力机制层动态分配融合特征权重，形成电大复杂目标的最终特征表示；步骤S6、训练构建的ResNet-GRU神经网络：将经过预处理之后的一维距离像数据库输入到ResNet-GRU神经网络中，通过Adam梯度下降算法和SGD梯度下降算法，采用可变学习率优化交叉损失函数进行训练，并在训练过程加入dropout，防止过拟合；步骤S7、电大复杂目标分类：将待测电大复杂物体的一维距离像数据输入到训练好的ResNet-GRU神经网络中，输出待测电大复杂物体的分类名称。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于门控递归残差网络的电大复杂目标识别方法