华中光电技术研究所—武汉光电国家实验室， 湖北 武汉 430223
海战场的目标识别是敌我判断、精确跟踪以及准确打击的前提，在现代海战中起着至关重要的作用。针对舰船编队场景下的海战场典型目标的识别问题，提出了一种基于卷积神经网络的协同识别方法，该方法通过优化VGG-NET的层数、节点数得到一组易于训练的精简网络，构建了一种多输入/单输出的舰船协同识别架构，提出一种基于D-S证据理论的加权和方法用于单输出的决策级融合。仿真实验表明，基于单平台的方法在烟雾环境下仅获得47.22%的识别率，而使用协同识别方法能够获得55.83%的识别率。该方法具有良好的性能，能够在复杂海战场环境下有效地识别目标。
海战场 目标识别 协同识别 卷积神经网络 D-S证据理论 sea battlefield target recgnition collaborative recognition convlutional neural networks D-S evidence theory
海军蚌埠士官学校信息技术系,安徽 蚌埠 233012
海战场目标识别是态势评估的基础,采用信息熵进行属性的约简,去除冗余属性,减少无关属性对识别的干扰。利用概率神经网络综合使用RBF神经网络和竞争神经网络进行目标识别。信息熵与概率神经网络结合可以过滤掉传感器信息中的冗余信息,有效地对海战场目标进行识别,并具有一定的泛化能力。通过仿真证明了本方法的有效性。
目标识别 信息熵 概率神经网络 海战场 target recognition information entropy Probabilistic Neural Network(PNN) naval battlefield.
