论文部分内容阅读
针对遥感全脉冲数据"大数据、小样本",传统基于模板序列匹配的识别方法时间复杂度高,深度学习算法训练样本不足导致泛化能力差的问题,提出一种基于AdaBoost.M2-DT算法的识别方法。首先采用决策树实现基分类器,然后使用Adaboost.M2的集成学习方法构建识别模型。实验采用9型雷达辐射源的外场数据,分别使用序列匹配方法、SVM(支持向量机)、CNN(卷积神经网络)和AdaBoost.M2-DT算法进行训练和识别并对比实验结果,表明AdaBoost.M2-DT算法对小样本的遥感全脉冲数据具有较高的