首页>
根据【关键词:无监督学习,航空齿轮故障诊断,迁移学习,领域适应】搜索到相关结果 17 条
-
基于自动编码器和支持向量机的飞机机动智能识别方法
-
作者:
岳龙飞
杨任农
杨文达
左家亮
刘会亮
许凌凯
来源:
兵器装备工程学报
年份:
2024
文献类型 :
期刊
关键词:
支持向量机
机动动作识别
特征提取
无监督学习
正则化自动编码器
-
描述:
飞机机动动作识别是空战意图识别和智能决策的基础。针对传统机动动作识别方法存在的高维数据分析和特征提取能力不足、识别准确率不高的问题,考虑到机动数据的高维性、时序性的特点,提出基于正则化自动编码器-支持向量机(RAE-SVM)的飞机机动动作识别方法。依据机动动作数据变化规律和专家经验知识,构建了基于时间段数据特征的机动动作样本库;将无监督的自动编码器神经网络强大的特征提取能力和有监督的支持向量机优异的分类性能相结合,构建基于RAE-SVM的机动识别模型,采用机动动作样本库训练模型;通过引入正则化提高了RAE网络的泛化性能和预测准确率;最后与多种现有方法进行准确性与实时性对比,并选取空战机动动作数据进行实例验证。结果表明:所提方法识别准确率为92.75%,对一组机动数据识别仅需2 ms,满足实时性要求。因此,该方法可以快速准确地进行飞机机动动作识别,具有一定实用价值。
-
一种坐标通道注意力深度学习网络的军用飞机识别方法
-
作者:
杨环宇
王军
吴祥
薄煜明
马立丰
陆金磊
来源:
兵工学报
年份:
2024
文献类型 :
期刊
关键词:
坐标注意力机制
军用飞机识别
深度卷积神经网络
迁移学习
-
描述:
可以保留小目标飞机特征的基础上,引入CA机制设计CA-Stage模块,提升网络对于背景和前景的区分能力;采用数据增强的方式扩充数据集,以及使用迁移学习的策略提高模型的泛化能力,训练得到具备最优超参数
-
基于卷积神经网络迁移学习的飞机目标识别
-
作者:
杨予昊
孙晶明
虞盛康
来源:
现代雷达
年份:
2020
文献类型 :
期刊
关键词:
小样本
卷积神经网络
飞机目标识别
迁移学习
-
描述:
基于卷积神经网络迁移学习的飞机目标识别
-
基于卷积神经网络迁移学习的飞机目标识别
-
作者:
杨予昊
孙晶明
虞盛康
来源:
现代雷达
年份:
2020
文献类型 :
期刊
关键词:
小样本
卷积神经网络
飞机目标识别
迁移学习
-
描述:
基于卷积神经网络迁移学习的飞机目标识别
-
基于迁移学习的飞机燃油系统故障检测方法研究
-
作者:
武嘉琦
季友昌
袁伟伟
来源:
飞机设计
年份:
2024
文献类型 :
期刊
关键词:
燃油系统
故障检测
迁移学习
-
描述:
基于迁移学习的飞机燃油系统故障检测方法研究
-
基于迁移学习的飞机燃油系统故障检测方法研究
-
作者:
武嘉琦
季友昌
袁伟伟
来源:
飞机设计
年份:
2024
文献类型 :
期刊
关键词:
燃油系统
故障检测
迁移学习
-
描述:
基于迁移学习的飞机燃油系统故障检测方法研究
-
基于深度迁移学习的复杂机场场景飞机目标检测方法
-
作者:
钟聃
李铁虎
李诚
来源:
光子学报
年份:
2024
文献类型 :
期刊
关键词:
深度学习
机场场面
迁移学习
特征金字塔网络
飞机目标检测
-
描述:
提出了一种改进的深度学习模型,旨在解决检测问题。首先基于迁移学习,微调预训练模型,提高了模型在有限的飞机数据集中的特征提取能力。其次,融入调整模块以增加深层特征图的感受野,提升模型的鲁棒性。引入
-
基于卷积神经网络的遥感图像飞机检测
-
作者:
张义德
胡长雨
胡春育
来源:
光电子技术
年份:
2017
文献类型 :
期刊
关键词:
遥感图像
卷积神经网络
微调
迁移学习
飞机检测
-
描述:
提出一种CNN的遥感图像飞机检测的方法。首先获得预训练好的CNN,然后通过参数迁移获得五层卷积层模型参数,接着利用遥感图像对第五层卷积层进行微调获得一个特征提取器。将特征提取器用于提取遥感图像训练集的深度特征,训练可变形部件检测模型。实验表明,提出的方法大大提高了遥感图像飞机目标检测精度,准确率达96%以上。
-
基于深度学习的飞机目标跟踪应用研究
-
作者:
赵春梅
陈忠碧
张建林
来源:
光电工程
年份:
2019
文献类型 :
期刊
关键词:
鲁棒跟踪
实时跟踪
飞机目标
迁移学习
FDLAT
-
描述:
本文针对飞机目标,提出了基于多域网络(MDNet)的改进网络用于飞机跟踪的快速深度学习(FDLAT)跟踪网络,使用迁移学习弥补目标跟踪的小样本集缺陷。卷积层作为特征提取层,全连接层作为目标和背景
-
基于深度学习的飞机目标跟踪应用研究
-
作者:
赵春梅
陈忠碧
张建林
来源:
光电工程
年份:
2019
文献类型 :
期刊
关键词:
鲁棒跟踪
实时跟踪
飞机目标
迁移学习
FDLAT
-
描述:
本文针对飞机目标,提出了基于多域网络(MDNet)的改进网络用于飞机跟踪的快速深度学习(FDLAT)跟踪网络,使用迁移学习弥补目标跟踪的小样本集缺陷。卷积层作为特征提取层,全连接层作为目标和背景