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：燕山大学

摘要：本发明公开了一种基于多判别生成对抗网络的水声目标识别方法，包括如下步骤：S1、根据水声目标辐射噪声产生的机理和特点，对数据预处理并提取出目标的特征图像；S2、设计基于多判别生成对抗网络的数据扩充模型架构，使用步骤S1中提取的目标特征进行训练，得到生成模型；S3、使用步骤S2中得到的生成模型进行样本数据的扩充，得到数据量充足且与原始目标特征分布相同的高质量目标特征数据集；S4、设计基于卷积的水声目标识别网络，并使用步骤S3中得到的扩充数据集训练该识别网络，得到高准确率的水声目标识别网络模型，本发明实现对小样本条件下的水声目标进行识别分类，提高识别的准确率。

主权项：1.一种基于多判别生成对抗网络的水声目标识别方法，其特征在于：包括如下步骤：S1、根据水声目标辐射噪声产生的机理和特点，对数据预处理并提取出目标的特征图像；S2、设计基于多判别生成对抗网络的数据扩充模型架构，使用步骤S1中提取的目标特征进行训练，得到生成模型；具体步骤为：S21、多判别生成对抗网络模型包括用于生成样本数据的生成器网络G和用于判别输入样本数据的来源的多判别器网络Dn；S22、在多判别生成对抗网络中，生成器网络G的输入为噪声变量Z，输出为生成样本Gz，同时生成的样本Gz作为多判别器网络Dn的输入数据，生成器网络G的价值函数表示为： 式中，n为多判别器网络中集成子判别器的数量，x为生成器网络G的生成样本，Dix为第i个判别器网络对生成样本x计算的损失值；S23、多判别器网络Dn由多个子判别器并行构成，输入为生成样本Gz和真实样本，输出为对输入样本的判别结果，价值函数表示为： 式中，n为多判别器网络中集成子判别器的数量；S24、在多判别器网络Dn的输出中，n个子判别网络产生的n个判别结果的可信度受子判别器性能的影响，采用软投票的策略对判别结果的权重进行分配，分配方法如下式所示： 其中Wij表示第i个分类器的第j类的权重，Pij表示第i个分类器第j类的精确率，n为多判别器网络中集成子判别器的数量；S25、多判别生成对抗网络模型的表示为： S26、多判别生成对抗网络模型的训练采用交替迭代的梯度训练法进行，具体方法为：首先固定生成器网络G，将真实样本标记为真，生成样本标记为假，训练多判别器网络Dn区分真实样本和生成样本；然后固定多判别器网络Dn，训练生成器网络G，生成多判别器网络无法区分样本来源的数据，在多次迭代优化后，模型趋于收敛，最终获得生成模型；S3、使用步骤S2中得到的生成模型进行样本数据的扩充，得到数据量充足且与原始目标特征分布相同的高质量目标特征数据集；S4、设计基于卷积的水声目标识别网络，并使用步骤S3中得到的扩充数据集训练该识别网络，得到高准确率的水声目标识别网络模型。

全文数据：

权利要求：

百度查询： 燕山大学 一种基于多判别生成对抗网络的水声目标识别方法