• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    一種優(yōu)化孿生網(wǎng)絡(luò)的小樣本輻射源個(gè)體識(shí)別方法*

    2022-06-28 06:51:10梁先明
    電訊技術(shù) 2022年6期
    關(guān)鍵詞:輻射源標(biāo)簽損失

    梁先明

    (中國(guó)西南電子技術(shù)研究所,成都 610036)

    0 引 言

    近些年,國(guó)內(nèi)外對(duì)于輻射源的“指紋”識(shí)別技術(shù)研究一直都在持續(xù)進(jìn)行,提出了多種可用的分類特征。文獻(xiàn)[1]利用提取信號(hào)功率譜峰值特征和包絡(luò)模板,構(gòu)造通信輻射源個(gè)體特征向量,通過(guò)樸素貝葉斯分類算法與個(gè)體特征矢量相結(jié)合,可進(jìn)行有效通信輻射源個(gè)體識(shí)別。前期研究結(jié)果顯示,通常暫態(tài)特征對(duì)于個(gè)體識(shí)別更明顯和有效,但是暫態(tài)特征持續(xù)時(shí)間短且捕獲困難。在穩(wěn)態(tài)特征方面,有研究者基于分形理論,通過(guò)研究穩(wěn)態(tài)信號(hào)的包絡(luò)盒維數(shù)、步維數(shù)及信息維數(shù)完成信號(hào)細(xì)微特征分析,并利用不同信噪比條件下的信號(hào)分形維數(shù)作為通信電臺(tái)個(gè)體識(shí)別的特征,可有效進(jìn)行通信電臺(tái)個(gè)體識(shí)別[2]。

    然而,隨著元器件制作工藝的改進(jìn)、通信和雷達(dá)裝備制作水平的提升,輻射源個(gè)體之間的差異性正在逐漸縮小。傳統(tǒng)個(gè)體識(shí)別方法中的信號(hào)特征將難以體現(xiàn)個(gè)體之間的差異,依賴人為提取特征的傳統(tǒng)輻射源個(gè)體識(shí)別方法正逐漸失去作用,必須從信號(hào)本身出發(fā)提取更高層次的輻射源細(xì)微特征。

    隨著機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)技術(shù)發(fā)展,有研究者基于高階譜和時(shí)域分析的電臺(tái)穩(wěn)態(tài)特征提取進(jìn)行深度學(xué)習(xí)提取指紋識(shí)別,提升識(shí)別準(zhǔn)確度[3]。隨著流形學(xué)習(xí)理論的深入研究,有研究者先對(duì)信號(hào)樣本進(jìn)行雙譜變換,然后利用正交局部樣條判別嵌入方法深入提取輻射源的指紋特征,改善輻射源個(gè)體特征識(shí)別方法的魯棒性。由于深度學(xué)習(xí)具備自動(dòng)抽象的提取特征能力,也有研究者直接采用IQ數(shù)據(jù)作為輸入,利用支持向量機(jī)(Support Vector Machine,SVM)、卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)、深度卷積網(wǎng)絡(luò)(Deep Convolutional Neural Network,DNN)等神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別,重點(diǎn)強(qiáng)調(diào)多階段訓(xùn)練的機(jī)制[4]。有研究者利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行射頻指紋識(shí)別,對(duì)7臺(tái)ZigBee設(shè)備進(jìn)行了驗(yàn)證,準(zhǔn)確率達(dá)到了92.29%[5];或?qū)椛湓葱盘?hào)的IQ數(shù)據(jù)采用復(fù)值神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識(shí)別[6]。

    對(duì)于小樣本輻射源個(gè)體識(shí)別研究,文獻(xiàn)[7]先通過(guò)高階譜變換預(yù)處理提取高維特征,利用大量無(wú)標(biāo)簽樣本首先對(duì)特征提取模型進(jìn)行預(yù)訓(xùn)練,再通過(guò)少量有標(biāo)簽樣本進(jìn)行監(jiān)督精校,從而可以提高在小樣本條件下對(duì)通信輻射源指紋特征的表征能力;文獻(xiàn)[8]提出了基于半監(jiān)督矩形網(wǎng)絡(luò),通過(guò)將提取的電臺(tái)信號(hào)的積分雙譜特征擾動(dòng)并結(jié)合解碼器重構(gòu)低維特征進(jìn)行無(wú)監(jiān)督學(xué)習(xí),從而實(shí)現(xiàn)弱標(biāo)簽電臺(tái)信號(hào)的個(gè)體識(shí)別,能夠得到比較準(zhǔn)確的識(shí)別結(jié)果,不過(guò)主要針對(duì)樣本多但是標(biāo)注少的問(wèn)題;文獻(xiàn)[9]對(duì)于小樣本特征提取提出了變分模態(tài)分解提取穩(wěn)態(tài)信號(hào)高維信息熵,再利用指數(shù)半監(jiān)督判別法映射信息熵形成個(gè)體特征,再通過(guò)極端梯度提升樹(shù)算法(eXtreme Gradient Boosting,XGBoost)進(jìn)行輻射源個(gè)體識(shí)別;文獻(xiàn)[10]提出了基于預(yù)測(cè)置信度進(jìn)行迭代的改進(jìn)算法,結(jié)合雙譜變化、主成分分析降維以及直推式支持向量機(jī),能夠大幅降低運(yùn)算量,也適用于標(biāo)簽樣本少、無(wú)標(biāo)簽樣本多的樣本場(chǎng)景;文獻(xiàn)[11]基于數(shù)據(jù)相似度量學(xué)習(xí),利用孿生網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)了類別多而樣本少的人臉識(shí)別方面,取得了比較好的識(shí)別效果;文獻(xiàn)[12]基于改進(jìn)深度孿生網(wǎng)絡(luò)提取交通標(biāo)識(shí)圖像多尺度特征,結(jié)合空間變化器網(wǎng)絡(luò)實(shí)現(xiàn)高效分類器,提升交通識(shí)別準(zhǔn)確率。

    本文主要考慮沒(méi)有大樣本數(shù)據(jù)輔助訓(xùn)練僅有小樣本標(biāo)簽訓(xùn)練模型的情況下,基于度量學(xué)習(xí)原理提出一種孿生網(wǎng)絡(luò)優(yōu)化的方法實(shí)現(xiàn)小樣本通信輻射源的個(gè)體智能識(shí)別,提升不同類樣本之間特征距離增大速度和相似類樣本特征之間的距離減小速度,實(shí)現(xiàn)損失函數(shù)的快速收斂,從而提升小樣本個(gè)體識(shí)別的性能。

    1 基于孿生網(wǎng)絡(luò)的個(gè)體識(shí)別

    在小樣本條件下采用基于度量學(xué)習(xí)的方法,能夠?qū)W習(xí)到一種特征空間,基本思想是學(xué)習(xí)數(shù)據(jù)點(diǎn)之間的距離函數(shù)。度量學(xué)習(xí)算法通過(guò)將測(cè)試樣本與訓(xùn)練集進(jìn)行比較來(lái)對(duì)其分類,測(cè)試樣本標(biāo)簽取決于與其最接近的訓(xùn)練樣本。

    常采用的分類方式是使用k近鄰方法,即使用神經(jīng)網(wǎng)絡(luò)訓(xùn)練后,在測(cè)試階段僅需計(jì)算測(cè)試樣本與訓(xùn)練集中每個(gè)樣本的歐氏距離,選擇最小值的標(biāo)簽:

    (1)

    但該方法并未在訓(xùn)練階段考慮到樣本間的距離問(wèn)題,且歐氏距離會(huì)陷入嚴(yán)重的維度災(zāi)難問(wèn)題。因此本文在小樣本條件下,采用孿生網(wǎng)絡(luò)方法[4]對(duì)輻射源個(gè)體分類。

    孿生網(wǎng)絡(luò)屬于基于度量學(xué)習(xí)的方法,其原理是將兩個(gè)樣本數(shù)據(jù)輸入卷積神經(jīng)網(wǎng)絡(luò),輸出標(biāo)簽0和1,其中0代表兩個(gè)樣本類別相同,1代表兩個(gè)樣本類別不同,通過(guò)神經(jīng)網(wǎng)絡(luò)架構(gòu)同時(shí)輸入兩個(gè)樣本,輸出它們屬于同一類別的概率。

    假設(shè)x1和x2是數(shù)據(jù)集中的兩個(gè)樣本,顛倒輸入樣本順序,輸出概率完全相同,孿生網(wǎng)絡(luò)依賴該對(duì)稱性設(shè)計(jì)。因此讓兩個(gè)輸入樣本通過(guò)結(jié)構(gòu)相同、共享參數(shù)的網(wǎng)絡(luò),然后使用絕對(duì)差分作為線性分類器的輸入。該共享參數(shù)的網(wǎng)絡(luò)選用深度殘差網(wǎng)絡(luò)(ResNet),孿生網(wǎng)絡(luò)結(jié)構(gòu)如圖1[13]所示。

    圖1 孿生網(wǎng)絡(luò)模型結(jié)構(gòu)圖

    圖1中X1、X2是網(wǎng)絡(luò)的輸入,W是ResNet網(wǎng)絡(luò)共享的參數(shù),GW(X1)、GW(X2)為ResNet網(wǎng)絡(luò)的輸出,負(fù)責(zé)將原始樣本向特征空間轉(zhuǎn)化,稱為映射函數(shù)。計(jì)算X1和X2之間的相關(guān)性,能量函數(shù)EW(X1,X2)表示X1與X2樣本低維特征相似性度量,相似性度量為映射函數(shù)的歐氏距離:

    EW(X1,X2)=‖GW(X1)-GW(X2)‖。

    (2)

    為使X1、X2來(lái)自同一類時(shí)EW(X1,X2)小,反之則EW(X1,X2)大,因此孿生網(wǎng)絡(luò)的損失函數(shù)設(shè)為

    L(W,(Y,X1,X2)i)=(1-Y)LG(EW(X1,X2)i)+

    YLI(EW(X1,X2)i)。

    (3)

    式中:Y為二進(jìn)制標(biāo)記,0表示相同對(duì),1表示不同對(duì),(Y,X1,X2)i為第i個(gè)樣本對(duì);LG為相同對(duì)的損失函數(shù);LI為不同對(duì)的損失函數(shù)。將歐氏距離作為相似性度量函數(shù),式(3)可改寫(xiě)為

    (4)

    式中:m為超參數(shù),當(dāng)X1、X2屬于不同類別,Y=1,隨著EW(X1,X2)增大,則損失函數(shù)減小;當(dāng)X1、X2屬于相同類別,Y=0,隨著EW(X1,X2)減小,損失函數(shù)減小,如圖2所示。因此對(duì)于孿生網(wǎng)絡(luò),訓(xùn)練過(guò)程也就是不斷增大不同對(duì)的EW(X1,X2),減小相同對(duì)的EW(X1,X2),從而不斷迭代減小損失函數(shù)。

    圖2 損失函數(shù)與EW的關(guān)系圖

    孿生網(wǎng)絡(luò)的損失函數(shù)使相同類別樣本間距減小,不同類別樣本間距增大。該模型也可以用彈簧模型來(lái)說(shuō)明。

    通常彈簧模型可以用以下公式表達(dá):

    F=-KX。

    (5)

    式中:F是彈力;K是彈簧系數(shù);X是彈簧從靜止長(zhǎng)度的位移,負(fù)表示排斥力,正表示吸引力。假設(shè)彈簧靜止長(zhǎng)度為m,那么當(dāng)X>m時(shí)彈簧兩端則只有吸引力,而X

    先考慮損失函數(shù)在相同對(duì)的損失函數(shù)

    LG梯度為

    (6)

    圖3 相同對(duì)的彈簧模型

    再考慮不相同樣本訓(xùn)練損失函數(shù)

    LI梯度為

    (7)

    圖4 不同對(duì)的彈簧模型

    對(duì)于圖3中彈簧吸引力模型,不能簡(jiǎn)單認(rèn)為需要達(dá)到EW=0的最終狀態(tài),因?yàn)椴煌南嗤瑢?duì)都會(huì)對(duì)于中心點(diǎn)產(chǎn)生吸引力,如圖5所示,相同對(duì)樣本b1與b2、b1和b3都會(huì)產(chǎn)生與中心點(diǎn)樣本b1的吸引力,如果減小樣本b1和b2的EW,那么會(huì)增大樣本b1和b3之間的EW,最終的損失函數(shù)需要達(dá)到所有不同對(duì)之間的綜合平衡。

    圖5 相同對(duì)之間的綜合平衡圖

    由于孿生網(wǎng)絡(luò)輸入是數(shù)據(jù)對(duì),采用逐對(duì)訓(xùn)練,所以會(huì)有平方級(jí)別對(duì)的信號(hào)樣本對(duì)來(lái)訓(xùn)練模型,即訓(xùn)練數(shù)據(jù)對(duì)的數(shù)量相較單個(gè)數(shù)據(jù)數(shù)量增多,從而也可以使模型不易過(guò)擬合。

    2 孿生網(wǎng)絡(luò)的網(wǎng)絡(luò)優(yōu)化

    在采用孿生網(wǎng)絡(luò)方法解決小樣本問(wèn)題時(shí),仍會(huì)存在以下問(wèn)題:一是孿生網(wǎng)絡(luò)更關(guān)注于不同樣本間的距離關(guān)系,即聚類損失,而忽略了樣本的分類損失,使特征空間的不同維度的意義不明;二是僅使用距離度量作為損失函數(shù)時(shí),訓(xùn)練過(guò)程較為不穩(wěn)定,識(shí)別準(zhǔn)確率差別較大。

    因此針對(duì)上述問(wèn)題,本文優(yōu)化孿生網(wǎng)絡(luò)損失函數(shù),使之更適用于小樣本條件下的輻射源分類識(shí)別任務(wù)。

    根據(jù)信息論中交叉熵的概念,觀察者調(diào)整自己輸出的主觀概率q,通過(guò)網(wǎng)絡(luò)學(xué)習(xí)可以達(dá)到與實(shí)際概率p相同時(shí),交叉熵最小[13]。交叉熵在神經(jīng)網(wǎng)絡(luò)中應(yīng)用非常廣泛,因此考慮在孿生網(wǎng)絡(luò)損失函數(shù)基礎(chǔ)上引入交叉熵?fù)p失函數(shù):

    (8)

    引入加權(quán)因子α,損失函數(shù)改寫(xiě)為

    α(J(Gw(X1),Y1)+J(Gw(X2),Y2))。

    (9)

    式中:α用于調(diào)節(jié)交叉熵?fù)p失函數(shù)與孿生網(wǎng)絡(luò)損失函數(shù)的權(quán)重比值——當(dāng)α取0,上式即為孿生網(wǎng)絡(luò)損失函數(shù),趨于聚類損失;當(dāng)α取值較大,上式趨于分類損失。在該試驗(yàn)中,α取值與m一致,均為5。因此,改進(jìn)后孿生網(wǎng)絡(luò)輸入標(biāo)簽為Y、Y1、Y2,其中Y代表兩個(gè)樣本類別是否相同,標(biāo)簽Y1、Y2為輸入樣本x1、x2的類別標(biāo)簽,改進(jìn)孿生網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示。其中ResNet網(wǎng)絡(luò)的輸出為1×10維的特征向量,既用于距離度量,也用于分類。

    圖6 改進(jìn)孿生網(wǎng)絡(luò)結(jié)構(gòu)圖

    采用優(yōu)化后的孿生網(wǎng)絡(luò)實(shí)現(xiàn)小樣本個(gè)體識(shí)別算法流程如下:

    Step1 使用ResNet11分類網(wǎng)絡(luò)構(gòu)建孿生網(wǎng)絡(luò)結(jié)構(gòu),將輻射源1~10的所有樣本隨機(jī)兩兩分類,兩樣本屬于同一類時(shí)打上標(biāo)簽0,否則標(biāo)簽為1。將重新編排后的數(shù)據(jù)送入孿生網(wǎng)絡(luò)進(jìn)行訓(xùn)練。

    Step2 訓(xùn)練完成后,保存孿生網(wǎng)絡(luò)權(quán)重。

    Step3 將訓(xùn)練集輻射源1~10送入孿生網(wǎng)絡(luò)結(jié)構(gòu)中的ResNet11中進(jìn)行預(yù)測(cè),得到樣本映射至了新的特征空間,并計(jì)算該類樣本在特征空間的平均值,作為這類數(shù)據(jù)在特征空間的位置。

    Step4 輸入測(cè)試集,將測(cè)試集樣本映射至特征空間,計(jì)算其與每一類數(shù)據(jù)在特征空間的歐氏距離,取與其最近的類別作為樣本預(yù)測(cè)標(biāo)簽,輸出識(shí)別結(jié)果。

    識(shí)別具體流程框圖如圖7所示。

    圖7 基于孿生網(wǎng)絡(luò)的小樣本識(shí)別流程圖

    3 試驗(yàn)驗(yàn)證

    試驗(yàn)中以10部某型號(hào)同批次的通信電臺(tái)輻射源信號(hào)作為數(shù)據(jù)集,電臺(tái)通信頻段為超短波,調(diào)制方式為8PSK;信號(hào)持續(xù)時(shí)間為20 ms,調(diào)制速率為50 kb/s;單個(gè)樣本為10 000點(diǎn)的IQ基帶信號(hào),每類訓(xùn)練集為5個(gè)樣本。驗(yàn)證集為5個(gè)樣本,測(cè)試集為20個(gè)樣本。為排除其他因素對(duì)試驗(yàn)結(jié)果的影響,采用相同接收機(jī)采集信號(hào),且10臺(tái)發(fā)射機(jī)發(fā)射信號(hào)內(nèi)容均相同。

    為排除訓(xùn)練過(guò)程隨機(jī)因素產(chǎn)生的影響,每個(gè)試驗(yàn)均進(jìn)行了10次,取平均值為該方法的識(shí)別準(zhǔn)確率,如表1所示。

    表1 不同網(wǎng)絡(luò)小樣本個(gè)體識(shí)別準(zhǔn)確率對(duì)比

    3.1 Resnet網(wǎng)絡(luò)的試驗(yàn)驗(yàn)證

    表2是10次ResNet訓(xùn)練準(zhǔn)確率情況,10個(gè)輻射源個(gè)體識(shí)別混淆矩陣如圖8所示,平均正確率在69%左右,同時(shí)對(duì)于輻射源1、2、6、10的個(gè)體識(shí)別率都小于35%。

    表2 ResNet網(wǎng)絡(luò)多次訓(xùn)練個(gè)體識(shí)別結(jié)果

    圖8 Resnet網(wǎng)絡(luò)個(gè)體識(shí)別混淆矩陣

    3.2 孿生網(wǎng)絡(luò)的試驗(yàn)驗(yàn)證

    表3為10次孿生網(wǎng)絡(luò)訓(xùn)練準(zhǔn)確率情況,10個(gè)輻射源個(gè)體識(shí)別混淆矩陣如圖9所示,平均正確率在83%左右,對(duì)于輻射源9、10個(gè)體識(shí)別效果最差,其識(shí)別準(zhǔn)確率優(yōu)于50%。

    表3 孿生網(wǎng)絡(luò)多次訓(xùn)練個(gè)體識(shí)別結(jié)果

    圖9 孿生網(wǎng)絡(luò)個(gè)體識(shí)別混淆矩陣

    3.3 孿生網(wǎng)絡(luò)優(yōu)化的試驗(yàn)驗(yàn)證

    3.3.1 識(shí)別準(zhǔn)確率

    表4為對(duì)于孿生網(wǎng)絡(luò)經(jīng)損失函數(shù)修改后的訓(xùn)練準(zhǔn)確率情況,10個(gè)輻射源個(gè)體識(shí)別混淆矩陣如圖10所示,平均正確率在88.5%左右;同時(shí)對(duì)于輻射源7、10個(gè)體識(shí)別效果最差,其識(shí)別準(zhǔn)確率優(yōu)于60%以上。

    表4 孿生網(wǎng)絡(luò)優(yōu)化后多次訓(xùn)練個(gè)體識(shí)別結(jié)果

    圖10 孿生網(wǎng)絡(luò)優(yōu)化個(gè)體識(shí)別混淆矩陣

    在孿生網(wǎng)絡(luò)進(jìn)行個(gè)體識(shí)別中,網(wǎng)絡(luò)優(yōu)化后性能得到了提升,為了嘗試分析其原因,筆者進(jìn)行了部分樣本測(cè)試試驗(yàn):孿生網(wǎng)絡(luò)中ResNet網(wǎng)絡(luò)主要完成低維特征提取,因此觀察ResNet的10維輸出,尋求其規(guī)律。

    3.3.2 當(dāng)孿生網(wǎng)絡(luò)不進(jìn)行優(yōu)化

    ResNet輸出特征空間上10類訓(xùn)練集樣本的中心點(diǎn)數(shù)據(jù)如圖11所示,第0行即為第一個(gè)樣本中心點(diǎn)的數(shù)據(jù)。

    圖11 孿生網(wǎng)絡(luò)不優(yōu)化ResNet輸出特征

    由圖11可知,在10維的特征空間上,每一維沒(méi)有明確的意義,比較雜亂。

    3.3.3 孿生網(wǎng)絡(luò)優(yōu)化后

    ResNet輸出特征空間上10類訓(xùn)練集樣本的中心點(diǎn)數(shù)據(jù)如圖12所示,第0行即為第一個(gè)樣本中心點(diǎn)的數(shù)據(jù)。

    圖12 孿生網(wǎng)絡(luò)優(yōu)化后ResNet輸出特征

    由圖12可知,在10維的特征空間上,可以看出,訓(xùn)練集中心點(diǎn)在該類別的維度上的值最大,具有明顯的特征,也具備一定的特征向量可解釋性。

    對(duì)于大多數(shù)的常規(guī)樣本,通常比較典型的測(cè)試樣本經(jīng)孿生網(wǎng)絡(luò)中的ResNet網(wǎng)絡(luò)輸出的特征向量滿足圖12的分布,例如第1個(gè)測(cè)試集樣本的特征向量如表5所示。

    表5 樣本1的ResNet網(wǎng)絡(luò)輸出特征向量(10維)

    該樣本采用ResNet分類,與度量分類均可正確分類為第0類,其與各類別中心的距離如圖13(a)所示。

    (a)樣本1

    (b)樣本4圖13 樣本與各類別中心距離

    對(duì)于少數(shù)的特殊樣本,例如第4個(gè)測(cè)試集樣本的特征向量如表6所示。

    樣本4本來(lái)屬于輻射源編號(hào)0,如果采用ResNet分類,其ResNet網(wǎng)絡(luò)輸出特征向量期望是第一個(gè)值最大,而實(shí)際上特征向量第6維上值最大,因此會(huì)將其分為第6類;若采用度量分類,其與第0類的訓(xùn)練集中心點(diǎn)的歐氏距離小于第6類,因此會(huì)將其正確分為第0類,其與各類別中心的距離如圖13(b)所示,由此也可以說(shuō)明采用孿生網(wǎng)絡(luò)適應(yīng)能力比單純ResNet網(wǎng)絡(luò)更適應(yīng)于小樣本分類的情形。

    4 結(jié)束語(yǔ)

    本文主要針對(duì)小樣本信號(hào)輻射源個(gè)體識(shí)別網(wǎng)絡(luò)難以穩(wěn)定收斂的問(wèn)題,提出了孿生網(wǎng)絡(luò)以及一種損失函數(shù)優(yōu)化的網(wǎng)絡(luò)模型,并對(duì)模型進(jìn)行了分析,論證了訓(xùn)練過(guò)程中可以實(shí)現(xiàn)不相同樣本之間特征距離增大和相同類樣本特征之間的距離減小的彈簧模型以及實(shí)現(xiàn)損失函數(shù)的快速收斂的原理。基于該模型進(jìn)行了通信電臺(tái)信號(hào)小樣本輻射源個(gè)體識(shí)別試驗(yàn)驗(yàn)證,個(gè)體識(shí)別效果得到明顯的提升,針對(duì)每類不大于10個(gè)訓(xùn)練樣本集的通信電臺(tái)能夠達(dá)到88%以上個(gè)體識(shí)別準(zhǔn)確率。初步分析了網(wǎng)絡(luò)優(yōu)化提升的可解釋性,說(shuō)明了方法的有效性和穩(wěn)定性。

    本文中孿生網(wǎng)絡(luò)彈簧模型也可以用于優(yōu)化一般二分類或者包含未知的開(kāi)集識(shí)別,提升分類的收斂速度和泛化能力。

    猜你喜歡
    輻射源標(biāo)簽損失
    少問(wèn)一句,損失千金
    胖胖損失了多少元
    基于博弈論的GRA-TOPSIS輻射源威脅評(píng)估方法
    玉米抽穗前倒伏怎么辦?怎么減少損失?
    數(shù)字電視外輻射源雷達(dá)多旋翼無(wú)人機(jī)微多普勒效應(yīng)實(shí)驗(yàn)研究
    無(wú)懼標(biāo)簽 Alfa Romeo Giulia 200HP
    車迷(2018年11期)2018-08-30 03:20:32
    外輻射源雷達(dá)直升機(jī)旋翼參數(shù)估計(jì)方法
    不害怕撕掉標(biāo)簽的人,都活出了真正的漂亮
    海峽姐妹(2018年3期)2018-05-09 08:21:02
    基于遷移成分分析的雷達(dá)輻射源識(shí)別方法研究
    標(biāo)簽化傷害了誰(shuí)
    国产成人午夜福利电影在线观看| 成人国语在线视频| 日日摸夜夜添夜夜爱| 99热全是精品| 午夜免费男女啪啪视频观看| 亚洲国产欧美一区二区综合| av片东京热男人的天堂| 日日摸夜夜添夜夜爱| 丝袜在线中文字幕| 1024香蕉在线观看| 日韩人妻精品一区2区三区| 成年女人毛片免费观看观看9 | √禁漫天堂资源中文www| 毛片一级片免费看久久久久| 久久精品国产a三级三级三级| 久久精品国产亚洲av涩爱| 最近最新中文字幕大全免费视频 | 毛片一级片免费看久久久久| 精品亚洲成a人片在线观看| 日韩熟女老妇一区二区性免费视频| 香蕉国产在线看| 久久影院123| 九色亚洲精品在线播放| a级片在线免费高清观看视频| 久久久久久久久久久久大奶| 亚洲精品国产色婷婷电影| 久久久久精品性色| 精品一区二区三卡| 老鸭窝网址在线观看| 亚洲免费av在线视频| 午夜福利视频精品| 男女午夜视频在线观看| 肉色欧美久久久久久久蜜桃| av又黄又爽大尺度在线免费看| netflix在线观看网站| 亚洲成人一二三区av| 少妇被粗大的猛进出69影院| 伊人亚洲综合成人网| 欧美日韩亚洲国产一区二区在线观看 | 午夜福利一区二区在线看| 亚洲一码二码三码区别大吗| 成年女人毛片免费观看观看9 | 另类精品久久| 在线精品无人区一区二区三| 制服诱惑二区| 国产成人免费无遮挡视频| 韩国av在线不卡| 久久久久久免费高清国产稀缺| 一本—道久久a久久精品蜜桃钙片| 超色免费av| 69精品国产乱码久久久| 亚洲欧美成人综合另类久久久| av在线观看视频网站免费| 日韩av不卡免费在线播放| 亚洲精品,欧美精品| 亚洲图色成人| 国产亚洲一区二区精品| a级毛片黄视频| 在线免费观看不下载黄p国产| 国产爽快片一区二区三区| 天天影视国产精品| 国产毛片在线视频| 久久人妻熟女aⅴ| 男女边摸边吃奶| 日韩伦理黄色片| 多毛熟女@视频| 老司机在亚洲福利影院| 亚洲,欧美精品.| 亚洲精品久久久久久婷婷小说| 丰满乱子伦码专区| 亚洲av综合色区一区| 在线精品无人区一区二区三| 精品久久久久久电影网| 一级毛片我不卡| 乱人伦中国视频| 黑丝袜美女国产一区| 久久久精品国产亚洲av高清涩受| 人妻人人澡人人爽人人| 成年动漫av网址| 亚洲国产欧美一区二区综合| 成人18禁高潮啪啪吃奶动态图| 777久久人妻少妇嫩草av网站| 国产精品久久久av美女十八| 中文天堂在线官网| 青青草视频在线视频观看| 另类精品久久| 丝袜美腿诱惑在线| 国产男女内射视频| 丰满饥渴人妻一区二区三| 国产精品 欧美亚洲| 最近2019中文字幕mv第一页| 日本黄色日本黄色录像| 成人国产av品久久久| 一级爰片在线观看| 欧美精品一区二区大全| av天堂久久9| 亚洲三区欧美一区| 久久鲁丝午夜福利片| 国产黄频视频在线观看| 一二三四中文在线观看免费高清| 欧美av亚洲av综合av国产av | 国产亚洲av高清不卡| 18禁国产床啪视频网站| 99香蕉大伊视频| 日日摸夜夜添夜夜爱| 国产乱人偷精品视频| 国产伦人伦偷精品视频| 成人三级做爰电影| 侵犯人妻中文字幕一二三四区| 久久天堂一区二区三区四区| 日本色播在线视频| 亚洲国产最新在线播放| 午夜福利乱码中文字幕| 一区二区三区精品91| 日本av手机在线免费观看| www.自偷自拍.com| 精品福利永久在线观看| 国产精品女同一区二区软件| 日日啪夜夜爽| 男女下面插进去视频免费观看| 夫妻午夜视频| 中文字幕亚洲精品专区| 满18在线观看网站| 日韩成人av中文字幕在线观看| 亚洲美女搞黄在线观看| 天天躁夜夜躁狠狠久久av| 久久影院123| 狠狠精品人妻久久久久久综合| 亚洲人成77777在线视频| 可以免费在线观看a视频的电影网站 | 亚洲av电影在线进入| 亚洲成国产人片在线观看| 97人妻天天添夜夜摸| 亚洲欧美成人精品一区二区| 日日撸夜夜添| 99热全是精品| 丝袜美腿诱惑在线| 精品第一国产精品| 在线观看人妻少妇| 色精品久久人妻99蜜桃| 午夜福利视频精品| 亚洲第一av免费看| 成人黄色视频免费在线看| 久久韩国三级中文字幕| 精品一品国产午夜福利视频| 99香蕉大伊视频| 国语对白做爰xxxⅹ性视频网站| 亚洲国产看品久久| 国产精品无大码| 精品卡一卡二卡四卡免费| 搡老岳熟女国产| 亚洲av中文av极速乱| 天美传媒精品一区二区| 欧美精品高潮呻吟av久久| 一级片免费观看大全| 国产日韩一区二区三区精品不卡| 久久久国产欧美日韩av| 超色免费av| 亚洲成人手机| 精品国产一区二区三区四区第35| 免费在线观看黄色视频的| 国产精品久久久久成人av| 久热这里只有精品99| 日本色播在线视频| 最近手机中文字幕大全| 免费看不卡的av| av福利片在线| 水蜜桃什么品种好| 夫妻性生交免费视频一级片| 在线观看国产h片| 999久久久国产精品视频| 国产免费福利视频在线观看| 综合色丁香网| 久久精品熟女亚洲av麻豆精品| 中文欧美无线码| 大片免费播放器 马上看| 日本欧美视频一区| 最黄视频免费看| 一本久久精品| 捣出白浆h1v1| √禁漫天堂资源中文www| 晚上一个人看的免费电影| 国产有黄有色有爽视频| 精品一区二区三区av网在线观看 | 99热国产这里只有精品6| 欧美国产精品va在线观看不卡| 1024香蕉在线观看| 精品久久蜜臀av无| 久久久久网色| 国产欧美日韩一区二区三区在线| 日韩视频在线欧美| 久久久精品94久久精品| 色视频在线一区二区三区| 精品第一国产精品| 亚洲自偷自拍图片 自拍| 中文字幕亚洲精品专区| 一区二区日韩欧美中文字幕| 男女下面插进去视频免费观看| 国产男人的电影天堂91| 国产在视频线精品| 国产日韩欧美亚洲二区| 国产免费现黄频在线看| 美女主播在线视频| 中国国产av一级| 侵犯人妻中文字幕一二三四区| 日韩电影二区| 交换朋友夫妻互换小说| 国产亚洲欧美精品永久| 一边摸一边抽搐一进一出视频| 成年动漫av网址| 日韩一本色道免费dvd| 亚洲欧洲日产国产| 日韩制服丝袜自拍偷拍| 大香蕉久久成人网| 丝袜脚勾引网站| 黄色视频不卡| 亚洲国产中文字幕在线视频| 亚洲伊人色综图| 麻豆av在线久日| 91精品伊人久久大香线蕉| 欧美黑人精品巨大| 亚洲精品乱久久久久久| 天天躁夜夜躁狠狠躁躁| 大香蕉久久成人网| 亚洲欧美一区二区三区国产| 免费观看av网站的网址| 色视频在线一区二区三区| 一级爰片在线观看| 日本wwww免费看| 午夜激情av网站| 久久精品人人爽人人爽视色| 久久久久精品国产欧美久久久 | 久久97久久精品| 久久精品熟女亚洲av麻豆精品| 在线观看免费午夜福利视频| 一边摸一边抽搐一进一出视频| 美女高潮到喷水免费观看| 免费av中文字幕在线| 亚洲av成人不卡在线观看播放网 | 国产福利在线免费观看视频| 女人爽到高潮嗷嗷叫在线视频| 亚洲,欧美,日韩| 成人三级做爰电影| av在线老鸭窝| 99热网站在线观看| 女的被弄到高潮叫床怎么办| 欧美亚洲 丝袜 人妻 在线| 无限看片的www在线观看| 国产探花极品一区二区| 亚洲精品国产色婷婷电影| 一个人免费看片子| 久久精品久久久久久噜噜老黄| 国产精品免费视频内射| 高清黄色对白视频在线免费看| 中文字幕av电影在线播放| 80岁老熟妇乱子伦牲交| 色综合欧美亚洲国产小说| 九九爱精品视频在线观看| 视频在线观看一区二区三区| 欧美国产精品va在线观看不卡| 黄色一级大片看看| av天堂久久9| 亚洲成人免费av在线播放| 91国产中文字幕| 美女国产高潮福利片在线看| 国产高清不卡午夜福利| 久久 成人 亚洲| 熟女av电影| 各种免费的搞黄视频| 国产一级毛片在线| 久久性视频一级片| 日韩一区二区三区影片| 老鸭窝网址在线观看| 亚洲欧美一区二区三区久久| 国产免费现黄频在线看| 久久 成人 亚洲| 国产伦理片在线播放av一区| svipshipincom国产片| 十八禁高潮呻吟视频| 国产一区二区三区av在线| 97人妻天天添夜夜摸| 欧美日韩一区二区视频在线观看视频在线| 嫩草影院入口| 成人亚洲精品一区在线观看| 国产av国产精品国产| 18禁国产床啪视频网站| 中文字幕最新亚洲高清| 少妇被粗大的猛进出69影院| 多毛熟女@视频| 国产一区有黄有色的免费视频| 在线观看免费午夜福利视频| 如何舔出高潮| 汤姆久久久久久久影院中文字幕| 久久久久国产精品人妻一区二区| 久久久亚洲精品成人影院| 无限看片的www在线观看| 久久久国产精品麻豆| 国产精品女同一区二区软件| 免费在线观看完整版高清| 亚洲欧洲日产国产| 欧美黑人精品巨大| 亚洲欧洲日产国产| 秋霞伦理黄片| 国产成人啪精品午夜网站| 国产野战对白在线观看| 色婷婷av一区二区三区视频| 亚洲图色成人| 极品人妻少妇av视频| 亚洲国产成人一精品久久久| 观看av在线不卡| 国产亚洲一区二区精品| 午夜日本视频在线| 狂野欧美激情性bbbbbb| 日韩人妻精品一区2区三区| 亚洲四区av| 色网站视频免费| 亚洲色图综合在线观看| 国产在线视频一区二区| 看免费av毛片| 国产在线免费精品| 在线观看免费高清a一片| 亚洲国产精品999| 国产精品欧美亚洲77777| 欧美在线黄色| 精品久久蜜臀av无| 精品国产一区二区三区四区第35| 欧美日韩亚洲国产一区二区在线观看 | 天堂俺去俺来也www色官网| 欧美xxⅹ黑人| 免费在线观看视频国产中文字幕亚洲 | 蜜桃国产av成人99| 如日韩欧美国产精品一区二区三区| 久热爱精品视频在线9| 亚洲第一区二区三区不卡| 国产免费一区二区三区四区乱码| 大陆偷拍与自拍| 亚洲国产欧美网| 啦啦啦 在线观看视频| 欧美久久黑人一区二区| 熟女av电影| 国产男女内射视频| 久久久精品免费免费高清| 午夜激情久久久久久久| 一区福利在线观看| 久久久精品94久久精品| 亚洲欧美成人精品一区二区| 久久人人爽av亚洲精品天堂| 精品人妻熟女毛片av久久网站| 人人澡人人妻人| 尾随美女入室| 久久99热这里只频精品6学生| 黄片小视频在线播放| 多毛熟女@视频| 国产免费又黄又爽又色| 国产亚洲欧美精品永久| av视频免费观看在线观看| 久久女婷五月综合色啪小说| 咕卡用的链子| 人人妻人人澡人人爽人人夜夜| 中文字幕av电影在线播放| 成年人免费黄色播放视频| 综合色丁香网| 国产一区二区激情短视频 | 搡老乐熟女国产| 天天影视国产精品| 欧美人与性动交α欧美精品济南到| 免费日韩欧美在线观看| 99re6热这里在线精品视频| 成年女人毛片免费观看观看9 | 亚洲av男天堂| 精品少妇内射三级| 国产淫语在线视频| 香蕉国产在线看| 亚洲国产精品成人久久小说| 日本欧美视频一区| 波多野结衣一区麻豆| 亚洲四区av| 亚洲国产精品999| 七月丁香在线播放| 欧美成人午夜精品| 叶爱在线成人免费视频播放| 在线观看国产h片| 久久久国产欧美日韩av| 免费观看a级毛片全部| 超碰成人久久| 国产欧美亚洲国产| 免费久久久久久久精品成人欧美视频| 熟妇人妻不卡中文字幕| 亚洲精品视频女| 亚洲国产最新在线播放| 欧美黄色片欧美黄色片| 中文精品一卡2卡3卡4更新| 丝袜在线中文字幕| 老鸭窝网址在线观看| 美国免费a级毛片| 在线天堂中文资源库| xxxhd国产人妻xxx| 亚洲av电影在线进入| 精品久久久精品久久久| 满18在线观看网站| 久久人人爽人人片av| 欧美日韩成人在线一区二区| 性色av一级| 日本色播在线视频| 精品亚洲乱码少妇综合久久| 少妇的丰满在线观看| 精品一区二区三卡| 久久午夜综合久久蜜桃| www.av在线官网国产| 色播在线永久视频| 在线看a的网站| 曰老女人黄片| 91国产中文字幕| 女的被弄到高潮叫床怎么办| 操美女的视频在线观看| 搡老岳熟女国产| 国产成人啪精品午夜网站| kizo精华| xxxhd国产人妻xxx| 最近中文字幕2019免费版| 亚洲自偷自拍图片 自拍| 中文天堂在线官网| 精品国产超薄肉色丝袜足j| 亚洲熟女精品中文字幕| 日日啪夜夜爽| 免费久久久久久久精品成人欧美视频| 国产伦理片在线播放av一区| 在线观看免费高清a一片| 久久久久久久久久久免费av| 超碰成人久久| 这个男人来自地球电影免费观看 | 亚洲免费av在线视频| 国产xxxxx性猛交| www.熟女人妻精品国产| 久久精品国产亚洲av涩爱| 国产成人免费无遮挡视频| 成人亚洲欧美一区二区av| 2021少妇久久久久久久久久久| 永久免费av网站大全| 侵犯人妻中文字幕一二三四区| 亚洲美女黄色视频免费看| 欧美日韩亚洲高清精品| 国产成人免费观看mmmm| 日韩欧美一区视频在线观看| 黑人猛操日本美女一级片| 久久亚洲国产成人精品v| 精品少妇久久久久久888优播| 亚洲中文av在线| 日韩免费高清中文字幕av| 午夜福利网站1000一区二区三区| 青春草国产在线视频| 欧美人与性动交α欧美精品济南到| 人人妻,人人澡人人爽秒播 | 看免费av毛片| 精品国产露脸久久av麻豆| 老司机影院成人| 汤姆久久久久久久影院中文字幕| 熟妇人妻不卡中文字幕| av网站在线播放免费| 亚洲精华国产精华液的使用体验| 亚洲精品av麻豆狂野| 最近中文字幕2019免费版| 久久久久精品性色| 男人操女人黄网站| 午夜福利视频在线观看免费| 欧美精品av麻豆av| 国产精品.久久久| 日韩免费高清中文字幕av| 母亲3免费完整高清在线观看| 久久免费观看电影| 热re99久久精品国产66热6| 又大又黄又爽视频免费| 国产色婷婷99| 国产成人av激情在线播放| 国产男女超爽视频在线观看| 老司机在亚洲福利影院| 国产熟女午夜一区二区三区| 精品亚洲成国产av| 一级毛片电影观看| 性高湖久久久久久久久免费观看| 亚洲一区中文字幕在线| 亚洲天堂av无毛| 精品亚洲乱码少妇综合久久| 欧美国产精品一级二级三级| 国产在线免费精品| 国产老妇伦熟女老妇高清| 街头女战士在线观看网站| 亚洲精品一区蜜桃| 午夜久久久在线观看| 男女床上黄色一级片免费看| 欧美乱码精品一区二区三区| 亚洲一区二区三区欧美精品| 亚洲精品国产av蜜桃| 一本—道久久a久久精品蜜桃钙片| av视频免费观看在线观看| 啦啦啦视频在线资源免费观看| 国产伦人伦偷精品视频| 丰满饥渴人妻一区二区三| 精品国产一区二区久久| 80岁老熟妇乱子伦牲交| 国产免费视频播放在线视频| 精品福利永久在线观看| 18禁动态无遮挡网站| xxx大片免费视频| 国产伦理片在线播放av一区| 女人爽到高潮嗷嗷叫在线视频| 日韩av在线免费看完整版不卡| 在线亚洲精品国产二区图片欧美| 欧美日韩亚洲国产一区二区在线观看 | 精品人妻一区二区三区麻豆| av一本久久久久| 国产精品.久久久| 9热在线视频观看99| 哪个播放器可以免费观看大片| 91成人精品电影| 国产亚洲最大av| 午夜福利在线免费观看网站| 国产精品免费视频内射| 亚洲国产av影院在线观看| 80岁老熟妇乱子伦牲交| 嫩草影院入口| 午夜日本视频在线| 亚洲国产精品国产精品| 男女高潮啪啪啪动态图| 国产男女超爽视频在线观看| 国产亚洲av高清不卡| 性少妇av在线| 免费看不卡的av| 王馨瑶露胸无遮挡在线观看| 国产黄色免费在线视频| 亚洲av在线观看美女高潮| 男女国产视频网站| 欧美日韩综合久久久久久| 欧美成人午夜精品| 最新在线观看一区二区三区 | 欧美黑人精品巨大| www.熟女人妻精品国产| 欧美激情 高清一区二区三区| 观看美女的网站| 国产熟女欧美一区二区| 亚洲熟女毛片儿| 99久久精品国产亚洲精品| 亚洲人成网站在线观看播放| 国产免费视频播放在线视频| 亚洲激情五月婷婷啪啪| 97在线人人人人妻| 久久久精品国产亚洲av高清涩受| 成人午夜精彩视频在线观看| 黑人欧美特级aaaaaa片| 黄色一级大片看看| 免费在线观看视频国产中文字幕亚洲 | 麻豆精品久久久久久蜜桃| 桃花免费在线播放| 亚洲,欧美,日韩| 在现免费观看毛片| 欧美人与性动交α欧美精品济南到| 精品一区二区三卡| 在线观看免费高清a一片| 1024视频免费在线观看| 男女午夜视频在线观看| 观看美女的网站| 成人毛片60女人毛片免费| 中文字幕亚洲精品专区| 久久久精品94久久精品| 美女脱内裤让男人舔精品视频| 精品国产超薄肉色丝袜足j| 大码成人一级视频| 啦啦啦 在线观看视频| 国产精品一区二区精品视频观看| 日本vs欧美在线观看视频| 国产毛片在线视频| 国产老妇伦熟女老妇高清| 成人国产麻豆网| 蜜桃在线观看..| 精品久久久精品久久久| 国产精品一国产av| 亚洲精品久久成人aⅴ小说| 国产成人a∨麻豆精品| 婷婷色麻豆天堂久久| 极品少妇高潮喷水抽搐| 激情五月婷婷亚洲| 国产免费现黄频在线看| 国产精品一二三区在线看| 亚洲国产欧美在线一区| 亚洲av日韩精品久久久久久密 | 亚洲伊人色综图| 亚洲情色 制服丝袜| 欧美xxⅹ黑人| 久久人人97超碰香蕉20202| 激情五月婷婷亚洲| 狠狠婷婷综合久久久久久88av| 如何舔出高潮| 激情五月婷婷亚洲| 免费观看av网站的网址| 18禁观看日本| 欧美精品av麻豆av| 亚洲欧美一区二区三区黑人| 亚洲国产成人一精品久久久| 亚洲欧洲精品一区二区精品久久久 | 桃花免费在线播放| 日韩,欧美,国产一区二区三区| 国产 精品1| 色吧在线观看| 捣出白浆h1v1| 97精品久久久久久久久久精品| 18禁裸乳无遮挡动漫免费视频| 岛国毛片在线播放| 一本大道久久a久久精品| 久久天躁狠狠躁夜夜2o2o | 悠悠久久av| 最近最新中文字幕免费大全7| 一区福利在线观看| 日本av手机在线免费观看| 狠狠婷婷综合久久久久久88av| 少妇 在线观看|