一种基于粒子群优化深度学习特征选择的一维像识别方法
授权
摘要
本发明属于雷达目标识别技术领域，具体涉及一种基于粒子群优化深度学习特征选择的一维像识别方法。本发明的方法首先使用深度信念网络(DBN)学习到原始高维数据的内部特征，进一步结合粒子群优化(PSO)算法，实现对特征的选择和优化，解决深度学习网络特征维数过高的问题，减少冗余特征对后续分类器的影响，改善了对目标的识别率。
基本信息
专利标题 ：
一种基于粒子群优化深度学习特征选择的一维像识别方法
专利标题（英）：
暂无
公开（公告）号 ：
CN110046590A
申请号 ：
CN201910322696.2
公开（公告）日 ：
2019-07-23
申请日 ：
2019-04-22
授权号 ：
CN110046590B
授权日 ：
2022-04-22
发明人 ：
周代英黎晓烨赖陈潇李雄冯健
申请人 ：
电子科技大学
申请人地址 ：
四川省成都市高新西区西源大道2006号
代理机构 ：
成都点睛专利代理事务所(普通合伙)
代理人 ：
孙一峰
优先权 ：
CN201910322696.2
主分类号 ：
G06K9/00
IPC分类号 ：
G06K9/00 G06N3/08 G06N3/00
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
法律状态
2022-04-22 ：
授权
2019-08-16 ：
实质审查的生效
IPC(主分类) : G06K 9/00
申请日 : 20190422
申请日 : 20190422
2019-07-23 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
1、
CN110046590A.PDF
PDF下载
