基于深度置信网络的变体飞机高分辨距离像恢复方法
专利汇可以提供基于深度置信网络的变体飞机高分辨距离像恢复方法专利检索，专利查询，专利分析的服务。并且一种基于深度置信网络的变体飞机高分辨距离像恢复方法。其步骤为：(1)构建深度置信网络；(2)生成训练样本集和测试样本集；(3)对样本集进行标准化预处理；(4)训练深度置信网络；(5)恢复变体高分辨距离像数据；本 发明 通过构建并训练深度置信网络，利用训练好的深度置信网络对变体飞机的高分辨距离像和非变体飞机的高分辨距离像的共性特征进行学习，并将变体目标高分辨距离像恢复成非变体目标高分辨距离像，能够有效地解决因变体飞机与对应的非变体飞机的高分辨距离像存在差异导致的变体飞机的正确识别率下降的问题，本发明具有显著降低变体部分对变体飞机识别带来的影响，有效提高变体飞机的正确识别率的优点。，下面是基于深度置信网络的变体飞机高分辨距离像恢复方法专利的具体信息内容。
1.一种基于深度置信网络的变体飞机高分辨距离像恢复方法，其特征在于，构建并训练深度置信网络，利用训练好的深度置信网络对变体飞机的高分辨距离像和非变体飞机的高分辨距离像的共性特征进行学习，该方法步骤包括如下：
(1)构建深度置信网络：
(1a)搭建一个三层深度置信网络，其结构依次为第一层受限玻尔兹曼机→第二层玻尔兹曼机→反向传播网络；
(1b)设置深度置信网络的参数如下：
将第一层受限玻尔兹曼机的隐含层输入节点设置为128，输出节点设置为200，批尺寸设置为200，迭代次数设置为3，学习率设置为0.002；
将第二层受限玻尔兹曼机的隐含层输入节点设置为200，输出节点设置为250，批尺寸设置为200，迭代次数设置为3，学习率设置为0.002；
将反向传播网络的隐含层输入节点设置为250，输出节点设置为H，H为高分辨距离像数据的维数；
(2)生成训练样本集和测试样本集：
(2a)将雷达接收到的每个类别的飞机目标在发生形变之前所有方位角下的非变体高分辨距离像数据，组成该类别飞机目标的非变体样本集，将雷达接收到的每个类别飞机目标在发生形变后所有方位角下的变体高分辨距离像数据，组成该类别飞机目标的变体样本集；
(2b)按照方位角变化等间隔地从每个类别飞机目标的变体样本集中抽取一半的变体高分辨距离像数据构成变体样本子集，记录抽取的变体高分辨距离像数据的方位角，从每个类别飞机目标的非变体样本集中抽取相同方位角下的非变体高分辨距离像数据作为期望样本集，将抽取的变体样本子集和其所对应的期望样本集组成训练样本集；
(2c)将变体样本集中剩余的变体高分辨距离像数据组成测试样本集；
(3)对样本集进行标准化预处理：
(3a)利用重心公式计算训练样本集和测试样本集中每个高分辨距离像数据的重心；
(3b)用重心对齐公式，对训练样本集和测试样本集中每个高分辨距离像数据进行重心对齐，得到对齐后的训练样本集和测试样本集；
(3c)用对齐后的训练样本集和测试样本集中的每个高分辨距离像数据除以该高分辨距离像数据的模二范数，得到归一化后的训练样本集和测试样本集；
(4)训练深度置信网络：
(4a)将归一化后的训练样本集输入到深度置信网络中，逐层无监督的训练深度置信网络中的两层受限玻尔兹曼机，得到预训练后的深度置信网络；
(4b)将预训练后的深度置信网络中的受限玻尔兹曼机的输出数据输入到反向传播网络中，利用均方误差公式计算反向传播网络的输出数据与其对应的非变体高分辨距离像数据之间的均方误差，从深度置信网络的顶层向下传播该误差，微调深度置信网络的参数，直到迭代4次为止，得到训练好的深度置信网络；
(5)恢复变体高分辨距离像数据：
将归一化后的测试样本集中的变体高分辨距离像数据，输入到训练好的深度置信网络中，网络输出该变体高分辨距离像数据恢复出的非变体高分辨距离像数据。
2.根据权利要求1所述的基于深度置信网络的变体飞机高分辨距离像恢复方法，其特征在于，步骤(3a)中所述的重心公式如下：
其中，ck是样本集中第k个高分辨距离像数据的重心，k＝1,2,…,K，K为样本集中高分辨距离像数据的总数，H是高分辨距离像数据的维度，Xk(i)是样本集中第k个高分辨距离像数据的第i个元素，i＝1,2,…,H。
3.根据权利要求1所述的基于深度置信网络的变体飞机高分辨距离像恢复方法，其特征在于，步骤(3b)中所述的重心对齐公式如下：
其中，Dk是对样本集中第k个高分辨距离像数据进行重心对齐后的高分辨距离像数据，circshift表示右循环移位操作，Xk是样本集中第k个高分辨距离像数据，ceil表示向上取整操作。
4.根据权利要求1所述的基于深度置信网络的变体飞机高分辨距离像恢复方法，其特征在于，步骤(4a)中所述的逐层无监督的训练深度置信网络中的两层受限玻尔兹曼机的具体步骤如下：
第一步，将归一化后的训练样本集输入到第一层受限玻尔兹曼机中，利用对比散度算法对该层受限玻尔兹曼机的神经元状态进行更新，然后对神经元状态进行吉布斯采样，再计算每个神经元状态被激活的概率，最后根据该概率利用随机梯度法对第一层受限玻尔兹曼机的参数进行更新，多次迭代以上过程直到算法收敛，得到第一层受限玻尔兹曼机的输出数据；
第二步，将第一层受限玻尔兹曼机的输出数据输入到第二层受限玻尔兹曼机中，利用对比散度算法对该层受限玻尔兹曼机的神经元状态进行更新，然后对神经元状态进行吉布斯采样，再计算每个神经元状态被激活的概率，最后根据该概率利用随机梯度法对第二层受限玻尔兹曼机的参数进行更新，多次迭代以上过程直到算法收敛，得到第二层受限玻尔兹曼机的输出数据。
5.根据权利要求1所述的基于深度置信网络的变体飞机高分辨距离像恢复方法，其特征在于，步骤(4b)中所述的均方误差公式如下：
其中，e表示反向传播网络的输出数据与其对应的非变体高分辨距离像数据之间的均方误差，‖·‖2表示求模二范数操作，Ym表示归一化后的训练样本集中第m个方位角下的变体高分辨距离像数据所对应的反向传播网络的输出数据，m＝1,2,…,M,M表示训练样本集中变体高分辨距离像数据对应的方位角的个数， 表示归一化的训练样本集中第m个方位角下的非变体高分辨距离像数据。
基于深度置信网络的变体飞机高分辨距离像恢复方法
技术领域
背景技术
发明内容
具体实施方式
雅克-42 36.38 34.88 9.83
安-26 23.80 29.20 8.58
奖状 14.40 15.90 4.91
52000个变体飞机的高分辨距离像，测试样本集中每类飞机包含26000个变体飞机的高分辨距离像。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 多变量时间序列深度信念网络的低压铸造模温预测方法 | 2020-05-12 | 381 |
| 描述驱油剂在多孔介质中变形运移的力学模拟方法 | 2020-05-12 | 339 |
| 一种基于低场磁共振T2弛豫的磁纳米粒子温度计算方法 | 2020-05-12 | 626 |
| 基于改进的层次分析法评价生猪养殖工艺的方法 | 2020-05-13 | 292 |
| 一种链路预测模型的建立及链路预测方法 | 2020-05-14 | 466 |
| 一种复合材料薄膜三维多相同步生长的模拟方法及系统 | 2020-05-16 | 211 |
| 多源无标签数据学习建模的传动系统性能退化评估方法 | 2020-05-08 | 487 |
| 基于差分温度补偿的分布式光纤拉曼双端温度解调方法 | 2020-05-11 | 407 |
| 小数据库条件下正常语音流中耳语音的识别方法 | 2020-05-16 | 691 |
| 基于径向基函数神经网络的气体标志物检测方法及应用 | 2020-05-16 | 744 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
