深度学习方法及其在水下目标识别中的应用
深度学习是近年来机器学习领域的新热点,卷积神经网络(CNN)与深度置信网络(DBN)是深度学习领域的核心方法.本文将两种方法引入水下目标分类识别,并对网络模型和参数设置进行了改进和优化.利用三类水下目标噪声数据进行分类识别,并与支持向量机方法进行对比.结果表明,三种方法所得结果比较接近,其中,DBN方法的正确识别率最高.
水下目标识别 深度学习 卷积神经网络 深度置信网络
王强 曾向阳
西北工业大学航海学院,西安710072
国内会议
武汉
中文
138-140
2015-06-05(万方平台首次上网日期,不代表论文的发表时间)