基于迁移学习的小样本弹道导弹目标识别方法

摘要

针对弹道导弹目标小样本识别问题,结合迁移学习和深度神经网络提出一套解决方案,旨在根据实际场景提供合适的模型学习方式和目标分类方式,提升复杂场景下小样本弹道导弹目标识别准确性和及时性。通过对比不同网络结构、数据特征、数据规模、数据长度,得到最适应复杂场景下小样本弹道导弹目标识别的网络模型和参数。试验结果表明,利用双向长短记忆神经网络构建的预训练模型和迁移学习方法可有效提升小样本弹道目标识别准确率。