海杂波背景下小目标检测的深度信念网络方法

结合深度学习相关理论,提出了海杂波背景下小目标检测的深度信念网络方法。该方法以无标签数据逐层进行非监督贪婪训练,使每层得到一个合适的初始值;构建深度信念网络初步模型,并以带标签的数据对该种模型以误差反向算法对整个网络的参数进行调优,建立预测模型;最后利用该种预测模型检测湮没在海杂波背景下的小目标信号。以加拿大McMaster实测的IPIX雷达数据进行实验,利用均方根误差评价性能。实验结果表明,针对第54#海杂波数据,文章提出的深度信念网络方法所预测的均方根误差为0.016,与已有的选择性支持向量机集成方法均方根误差0.026 4和K均值有效极限学习机所得的均方根误差0.042 8相比,预测精