论文部分内容阅读
文中提出一种基于CGAN和GcForest的军事目标识别方法,通过构建CGAN对军事目标样本进行扩展和质量提升。进而基于启发式学习进行抽样迭代,构建有效的样本训练集。在高质量训练集的基础上,通过Gc Forest进行有监督的学习,最终得到军事目标识别的分类网络模型。文中所提方法相对于CNN、KNN、SVM等方法,在目标样本识别整体准确率上高出7. 80%~75. 27%,同时在不同小规模样本的条件下整体准确度高出29. 21%~67. 50%。