您的位置： 专家智库 > >

郝岩

作品数：6 被引量：54H指数：4
供职机构：中北大学理学院更多>>
发文基金：国家自然科学基金山西省回国留学人员科研经费资助项目山西省自然科学基金更多>>
相关领域：自动化与计算机技术兵器科学与技术更多>>

合作作者

文献类型

  • 6篇中文期刊文章

领域

  • 6篇自动化与计算...
  • 1篇兵器科学与技...

主题

  • 2篇支持向量
  • 2篇支持向量机
  • 2篇神经网
  • 2篇神经网络
  • 2篇群算法
  • 2篇子群
  • 2篇网络
  • 2篇向量
  • 2篇向量机
  • 2篇粒子群
  • 2篇粒子群算法
  • 2篇卷积
  • 2篇卷积神经网络
  • 2篇SAR
  • 1篇学习率
  • 1篇优先权
  • 1篇正弦
  • 1篇手写
  • 1篇手写数字
  • 1篇手写数字识别

机构

  • 6篇中北大学
  • 1篇北京机电工程...

作者

  • 6篇白艳萍
  • 6篇郝岩
  • 1篇王永杰

传媒

  • 4篇重庆理工大学...
  • 1篇火力与指挥控...
  • 1篇数学的实践与...

年份

  • 3篇2018
  • 3篇2017
共 6 条 记 录，以下是 1-6
全选 清除 导出
排序方式：
卷积神经网络在SAR目标识别中的应用被引量：8
2018年
针对SAR目标识别问题,提出了基于卷积神经网络的SAR目标识别方法,并在此基础上对算法进行改进,提出CNN-SVM模型。将传统卷积神经网络的soft-max分类器替换为支持向量机,并对卷积神经网络提取的特征进行分类。首先对样本做剪裁、去噪处理,然后通过加噪、去噪等方法对样本进行扩充。通过对MSTAR数据集进行仿真发现:传统的卷积神经网络和改进后的卷积神经网络对3类目标的最佳识别正确率分别为97.5%和99.4%,证明了所提算法的有效性。
郝岩白艳萍张校非杜敦伟
关键词：卷积神经网络支持向量机
基于样块和粒子群算法的图像修复
2017年
图像修复是近年来图像视觉研究当中的一个热点.Criminisi算法是一种比较常用的方法.为了消除原算法当中置信度和数据项相互影响的问题,并且考虑到平滑项对图像的锐化作用,对优先权的计算重新进行了调整.而将粒子群算法运用到最佳匹配块的搜索过程当中,避免了全局搜索带来的大工作量和不准确性,提高了算法的修复效率和准确性.经过仿真实验证明,改进后的算法不仅在PSNR值上有所提高,修复效果也更符合人们的视觉需求.
王一卜白艳萍郝岩
关键词：优先权粒子群算法
基于KNN的合成孔径雷达目标识别被引量：27
2018年
针对合成孔径雷达(SAR)目标的识别问题,提出了一种基于K近邻方法(KNN)的SAR图像目标识别方法。首先,有别于传统的图像特征提取方法,采用逆向思维,通过剪裁和去噪方法对图像的冗余信息进行"剔除",从而尽可能保留图像的原有信息,并将其作为待分类特征。然后分别用KNN和支持向量机(SVM)在MSTAR(Moving and Stationary Target Acquisition and Recognition)数据集上进行了仿真对比实验。实验结果表明,此方法下KNN的分类效果明显优于SVM,其精度均达到94%以上,证明了所提方法的有效性。
郝岩白艳萍张校非
关键词：SAR目标识别去噪KNNSVM
基于PCA和PSO-SVM的手写数字识别应用研究被引量：6
2017年
针对当前手写数字识别正确率较低这一不足,提出了一种主成分分析(PCA)和粒子群算法优化支持向量机(PSO-SVM)的手写数字识别方法。首先,利用PCA降低输入数据的维数,然后把降维的数据作为SVM的输入,用PSO不断优化SVM中的核函数参数g和惩罚因子c,以提高分类精度。实验结果表明:同传统的SVM、GA-SVM、网格搜索算法、卷积神经网络(CNN)相比,PSO-SVM方法分类方法具有最高的识别准确率且运算效率也较高,达98.2%,性能上优于其他几种分类算法。
张校非白艳萍郝岩
关键词：主成分分析粒子群算法支持向量机手写数字识别
改进的正弦余弦算法在函数优化问题中的研究被引量：12
2017年
正弦余弦算法(SCA)是2015年提出的一种新型的群智能算法。针对标准正弦余弦算法局部搜索能力差、精度低的缺点,提出改进的正弦余弦算法(简称ISCA)。首先,引入动态惯性权重平衡算法的局部与全局搜索能力;然后,为更进一步加强迭代后期局部搜索能力,将参数r1由线性递减函数变成了指数型递减函数;最后,引入自适应变异因子,增强种群的多样性;最后,将改进的SCA算法对10个经典的单峰、多峰函数进行测试,并同标准SCA算法、粒子群算法(PSO)、遗传算法(GA)进行比较。实验结果表明:ISCA算法优于其他几种算法。
张校非白艳萍郝岩王永杰
关键词：函数优化
面向SAR目标分类的卷积神经网络算法研究被引量：3
2018年
随着合成孔径雷达(aynthetic aperture radar,SAR)成像技术的日益成熟,如何对SAR目标进行高效分类得到了普遍关注。在此背景下,提出了一种面向SAR目标分类的二层卷积神经网络算法。为增强适应性,设计了一种随迭代次数增加而减缓的分数渐变学习率。同时,在损失函数中引入类内、类间相似度量函数,丰富了样本分类特征,提高了分类的准确率。在MSTAR数据集上的测试结果表明:该算法相比于其他分类方法和经典卷积神经网络算法有更高的分类准确率,证明了算法的有效性。
侯宇超白艳萍郝岩张明星
关键词：合成孔径雷达卷积神经网络
全选 清除 导出
共1页<1>
聚类工具0