• <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)
    亚洲国产精品国产精品| 久久ye,这里只有精品| 99久久人妻综合| 性色av一级| 高清毛片免费看| 久久久a久久爽久久v久久| kizo精华| 亚洲av欧美aⅴ国产| 亚洲国产av新网站| 亚洲欧美日韩卡通动漫| 校园人妻丝袜中文字幕| 国产69精品久久久久777片| 欧美成人精品欧美一级黄| 欧美97在线视频| 欧美最新免费一区二区三区| 精品久久久久久电影网| 在线观看免费高清a一片| 丰满饥渴人妻一区二区三| 久久久国产欧美日韩av| 内射极品少妇av片p| 国产精品一区二区性色av| 午夜av观看不卡| 一边亲一边摸免费视频| 男人爽女人下面视频在线观看| 国产91av在线免费观看| 国产在线免费精品| 久久国产乱子免费精品| 美女xxoo啪啪120秒动态图| 高清欧美精品videossex| 亚洲美女搞黄在线观看| 色94色欧美一区二区| 久久国产乱子免费精品| av国产精品久久久久影院| 久久人人爽人人片av| 欧美一级a爱片免费观看看| 久久久久久久久久人人人人人人| 国内揄拍国产精品人妻在线| av卡一久久| 国产精品久久久久久久久免| 日韩,欧美,国产一区二区三区| 亚洲av国产av综合av卡| 国产精品一区二区在线不卡| 国产精品一二三区在线看| 午夜免费观看性视频| 国产成人精品久久久久久| 久久久久久伊人网av| 男男h啪啪无遮挡| 亚洲av综合色区一区| 蜜桃在线观看..| 欧美精品一区二区大全| 夫妻午夜视频| 免费在线观看成人毛片| 亚洲性久久影院| 婷婷色麻豆天堂久久| 日韩av免费高清视频| 日韩欧美精品免费久久| 丝袜喷水一区| 国产成人精品无人区| 久久久久视频综合| 国产片特级美女逼逼视频| 精品亚洲成国产av| 欧美三级亚洲精品| 国产亚洲91精品色在线| 久久久久精品性色| 午夜免费男女啪啪视频观看| 中文欧美无线码| 日韩强制内射视频| 超碰97精品在线观看| 久久亚洲国产成人精品v| 久久久亚洲精品成人影院| 一边亲一边摸免费视频| 亚洲欧美日韩另类电影网站| 中国美白少妇内射xxxbb| 国产成人精品无人区| 五月玫瑰六月丁香| 亚洲欧美一区二区三区国产| 国产又色又爽无遮挡免| 亚洲欧美精品专区久久| av国产精品久久久久影院| 国产精品伦人一区二区| 成人免费观看视频高清| 99热网站在线观看| 色婷婷久久久亚洲欧美| 久久久精品免费免费高清| 天天躁夜夜躁狠狠久久av| 2018国产大陆天天弄谢| 最近的中文字幕免费完整| 秋霞伦理黄片| 亚洲精品,欧美精品| 亚洲欧洲精品一区二区精品久久久 | 波野结衣二区三区在线| 黑人高潮一二区| 免费观看的影片在线观看| 在线观看人妻少妇| 两个人的视频大全免费| 亚洲国产精品一区三区| 国产欧美日韩一区二区三区在线 | 婷婷色综合大香蕉| 99九九在线精品视频 | 国产精品欧美亚洲77777| 国产精品久久久久久精品电影小说| 青春草视频在线免费观看| 久久99一区二区三区| 一本色道久久久久久精品综合| 最近手机中文字幕大全| 日韩欧美一区视频在线观看 | 妹子高潮喷水视频| 日韩熟女老妇一区二区性免费视频| 久久精品国产自在天天线| 日本av手机在线免费观看| 青春草国产在线视频| 国产精品不卡视频一区二区| 久久久久精品久久久久真实原创| 99久久精品国产国产毛片| 夜夜爽夜夜爽视频| 街头女战士在线观看网站| 精品少妇久久久久久888优播| 亚洲国产欧美日韩在线播放 | 亚洲国产精品成人久久小说| 国产精品99久久久久久久久| 亚洲伊人久久精品综合| 国产精品嫩草影院av在线观看| 精品久久久噜噜| 交换朋友夫妻互换小说| 久久综合国产亚洲精品| 国产欧美日韩综合在线一区二区 | 国产精品国产av在线观看| 男人舔奶头视频| 综合色丁香网| 极品少妇高潮喷水抽搐| 天天躁夜夜躁狠狠久久av| 久久久久人妻精品一区果冻| 免费黄网站久久成人精品| 成人亚洲精品一区在线观看| 又粗又硬又长又爽又黄的视频| 熟女人妻精品中文字幕| 国产一区二区三区综合在线观看 | 国产午夜精品久久久久久一区二区三区| 一级毛片久久久久久久久女| 国产日韩欧美亚洲二区| 亚洲精品自拍成人| 久久 成人 亚洲| av黄色大香蕉| 亚洲精品自拍成人| 99久久综合免费| 丝袜喷水一区| 亚洲美女黄色视频免费看| 国产av国产精品国产| 乱人伦中国视频| 日本免费在线观看一区| 国产视频首页在线观看| 亚洲美女搞黄在线观看| 久久免费观看电影| 91精品国产国语对白视频| 久久精品国产a三级三级三级| 国产黄片美女视频| 男女边吃奶边做爰视频| 国产91av在线免费观看| 国产永久视频网站| 久久韩国三级中文字幕| 99久久精品一区二区三区| 在线观看免费日韩欧美大片 | 亚洲不卡免费看| 免费观看av网站的网址| 一级二级三级毛片免费看| 中文字幕亚洲精品专区| 欧美精品人与动牲交sv欧美| 久久6这里有精品| videos熟女内射| 欧美精品一区二区大全| 午夜福利视频精品| 80岁老熟妇乱子伦牲交| 国产精品秋霞免费鲁丝片| 美女cb高潮喷水在线观看| 日韩一区二区视频免费看| 国产黄频视频在线观看| 国产精品久久久久成人av| 久久久精品免费免费高清| 久久国产乱子免费精品| 精品一区二区三区视频在线| 伦理电影大哥的女人| 国产欧美另类精品又又久久亚洲欧美| 国产精品伦人一区二区| 日韩欧美 国产精品| 亚洲国产精品一区三区| 又黄又爽又刺激的免费视频.| 国产永久视频网站| 午夜91福利影院| 亚洲丝袜综合中文字幕| 一区二区av电影网| 国产视频内射| 亚洲欧美一区二区三区黑人 | 成人亚洲欧美一区二区av| 国产男人的电影天堂91| 亚洲国产成人一精品久久久| 日韩av不卡免费在线播放| 亚洲av电影在线观看一区二区三区| 久久久久久人妻| 国产精品一区二区性色av| 久久人人爽av亚洲精品天堂| 精品久久久噜噜| 国产精品成人在线| 亚洲av免费高清在线观看| a级片在线免费高清观看视频| 最新中文字幕久久久久| 亚洲精品第二区| 看十八女毛片水多多多| 狂野欧美激情性xxxx在线观看| 精品99又大又爽又粗少妇毛片| 三级国产精品欧美在线观看| 午夜福利视频精品| 日日摸夜夜添夜夜添av毛片| 97超视频在线观看视频| 国产精品蜜桃在线观看| 91午夜精品亚洲一区二区三区| 久久精品久久精品一区二区三区| 一级毛片aaaaaa免费看小| 国产熟女午夜一区二区三区 | 成年女人在线观看亚洲视频| 精品一区二区免费观看| 欧美丝袜亚洲另类| 人妻夜夜爽99麻豆av| 国产综合精华液| 观看免费一级毛片| 婷婷色综合大香蕉| 少妇熟女欧美另类| 亚洲av日韩在线播放| 在线观看美女被高潮喷水网站| av在线app专区| 这个男人来自地球电影免费观看 | 国产精品麻豆人妻色哟哟久久| 这个男人来自地球电影免费观看 | 国产日韩欧美在线精品| 久久精品国产自在天天线| 曰老女人黄片| 最近中文字幕2019免费版| a级毛片免费高清观看在线播放| 熟妇人妻不卡中文字幕| 亚洲精品,欧美精品| 日韩免费高清中文字幕av| 在线播放无遮挡| 久久久久久伊人网av| 99热这里只有是精品在线观看| 精品国产一区二区三区久久久樱花| 搡老乐熟女国产| 国产日韩欧美亚洲二区| 久久精品国产自在天天线| 国产精品99久久99久久久不卡 | 99热网站在线观看| 欧美日韩亚洲高清精品| 只有这里有精品99| 国产成人aa在线观看| 亚洲av二区三区四区| 激情五月婷婷亚洲| 国产色婷婷99| 亚洲av男天堂| 欧美日韩亚洲高清精品| 自拍偷自拍亚洲精品老妇| 中文字幕精品免费在线观看视频 | 国产精品国产av在线观看| 色婷婷av一区二区三区视频| 特大巨黑吊av在线直播| 自拍偷自拍亚洲精品老妇| 一级毛片我不卡| 久久精品国产亚洲av涩爱| 在线观看三级黄色| 久久久久久久久久久丰满| 免费高清在线观看视频在线观看| 人妻 亚洲 视频| 最新中文字幕久久久久| 免费看日本二区| 美女大奶头黄色视频| 国产精品久久久久久av不卡| 不卡视频在线观看欧美| 人人澡人人妻人| 久久精品熟女亚洲av麻豆精品| 日本vs欧美在线观看视频 | 亚洲一级一片aⅴ在线观看| 三级国产精品片| 亚洲国产精品一区二区三区在线| 国语对白做爰xxxⅹ性视频网站| 一个人看视频在线观看www免费| 有码 亚洲区| 久久久国产欧美日韩av| 亚洲av男天堂| 极品少妇高潮喷水抽搐| 亚洲伊人久久精品综合| 黑人巨大精品欧美一区二区蜜桃 | av.在线天堂| 亚洲,一卡二卡三卡| 国产成人午夜福利电影在线观看| 夫妻午夜视频| 日韩一区二区视频免费看| 99久久中文字幕三级久久日本| 欧美 日韩 精品 国产| 亚洲一区二区三区欧美精品| 亚洲欧美一区二区三区国产| 日本-黄色视频高清免费观看| av卡一久久| 精品人妻熟女毛片av久久网站| 多毛熟女@视频| 亚洲av成人精品一区久久| 成人国产麻豆网| 欧美3d第一页| 国产亚洲5aaaaa淫片| 国产淫片久久久久久久久| 国产高清不卡午夜福利| 亚洲高清免费不卡视频| 久久久久国产网址| 啦啦啦中文免费视频观看日本| 亚洲精华国产精华液的使用体验| 欧美另类一区| 男女无遮挡免费网站观看| 日日撸夜夜添| 91成人精品电影| 一区二区av电影网| 亚洲图色成人| 69精品国产乱码久久久| 免费看日本二区| 国产亚洲5aaaaa淫片| 国产黄色视频一区二区在线观看| 久久免费观看电影| 久久精品夜色国产| 日韩av在线免费看完整版不卡| 99久久精品国产国产毛片| 黑丝袜美女国产一区| 国产av国产精品国产| 欧美+日韩+精品| 狂野欧美激情性xxxx在线观看| 国产淫语在线视频| 免费不卡的大黄色大毛片视频在线观看| 内地一区二区视频在线| 一区二区av电影网| 亚洲国产精品国产精品| 七月丁香在线播放| 国产高清三级在线| 亚洲精品乱久久久久久| 精品久久久噜噜| 18禁裸乳无遮挡动漫免费视频| 亚洲精品一区蜜桃| 亚洲欧美成人综合另类久久久| 亚洲av不卡在线观看| 街头女战士在线观看网站| 麻豆乱淫一区二区| 久久99精品国语久久久| 亚洲成人一二三区av| 自拍偷自拍亚洲精品老妇| 久久人人爽人人片av| 亚洲精品乱码久久久久久按摩| 成年人午夜在线观看视频| 高清午夜精品一区二区三区| 免费观看的影片在线观看| 在线天堂最新版资源| 日韩欧美精品免费久久| 亚洲电影在线观看av| 亚洲精品国产av成人精品| 亚洲成人av在线免费| 国产免费一区二区三区四区乱码| 插逼视频在线观看| 最近手机中文字幕大全| 亚洲av日韩在线播放| 国产精品熟女久久久久浪| 天堂中文最新版在线下载| 性色avwww在线观看| 黑丝袜美女国产一区| 精品国产国语对白av| 欧美最新免费一区二区三区| 亚洲综合精品二区| 欧美xxⅹ黑人| 国产 精品1| 在线观看av片永久免费下载| 51国产日韩欧美| 天天躁夜夜躁狠狠久久av| 熟女人妻精品中文字幕| 汤姆久久久久久久影院中文字幕| 韩国高清视频一区二区三区| 欧美日韩在线观看h| 另类精品久久| 五月伊人婷婷丁香| 久久精品国产亚洲av天美| 国产精品秋霞免费鲁丝片| 久久精品国产a三级三级三级| 亚洲国产av新网站| 免费黄频网站在线观看国产| 大片电影免费在线观看免费| 国产av一区二区精品久久| 丰满乱子伦码专区| 欧美+日韩+精品| 日本爱情动作片www.在线观看| 久久久久久久久久成人| 国产免费视频播放在线视频| 国产av码专区亚洲av| 插阴视频在线观看视频| 亚洲av日韩在线播放| 国产精品久久久久久精品电影小说| 国内少妇人妻偷人精品xxx网站| 最近2019中文字幕mv第一页| 免费人妻精品一区二区三区视频| 久热久热在线精品观看| 亚洲av成人精品一二三区| 日日啪夜夜爽| 亚洲精品色激情综合| 黄色欧美视频在线观看| 国产亚洲午夜精品一区二区久久| 国产精品不卡视频一区二区| 一区二区三区四区激情视频| 色网站视频免费| 久久国内精品自在自线图片| 国产女主播在线喷水免费视频网站| 欧美日韩av久久| 亚洲av国产av综合av卡| 91精品国产九色| 日韩伦理黄色片| 高清毛片免费看| 国产成人免费观看mmmm| 国产色婷婷99| 在线观看国产h片| 免费看光身美女| 在线观看免费高清a一片| 久久女婷五月综合色啪小说| 一本一本综合久久| 久久久亚洲精品成人影院| 三级国产精品片| 国产熟女午夜一区二区三区 | 99精国产麻豆久久婷婷| 久久国内精品自在自线图片| 亚洲激情五月婷婷啪啪| 久热久热在线精品观看| 亚洲av.av天堂| 国产一区有黄有色的免费视频| 九色成人免费人妻av| 日韩在线高清观看一区二区三区| 精品少妇久久久久久888优播| 日韩熟女老妇一区二区性免费视频| 成人无遮挡网站| 男女免费视频国产| 99热全是精品| 国产极品粉嫩免费观看在线 | 亚洲精华国产精华液的使用体验| 国产av国产精品国产| 亚洲成人av在线免费| 老司机影院成人| 亚洲激情五月婷婷啪啪| 久久精品熟女亚洲av麻豆精品| 日韩大片免费观看网站| 国产伦精品一区二区三区四那| 一级二级三级毛片免费看| 中文资源天堂在线| 国产精品欧美亚洲77777| 中文字幕久久专区| 国产乱来视频区| 大香蕉久久网| 国产高清国产精品国产三级| 欧美 日韩 精品 国产| 日韩人妻高清精品专区| 热99国产精品久久久久久7| 永久网站在线| av女优亚洲男人天堂| 伊人亚洲综合成人网| 国产老妇伦熟女老妇高清| 精品国产一区二区三区久久久樱花| 久久影院123| 一个人免费看片子| 国产 一区精品| 香蕉精品网在线| 男人舔奶头视频| 乱系列少妇在线播放| 国产有黄有色有爽视频| av国产精品久久久久影院| 久久这里有精品视频免费| 中国三级夫妇交换| 又爽又黄a免费视频| 精品国产乱码久久久久久小说| 妹子高潮喷水视频| 国产极品天堂在线| 国产美女午夜福利| 三级国产精品欧美在线观看| 性色avwww在线观看| av天堂中文字幕网| 毛片一级片免费看久久久久| 国产成人精品福利久久| 嫩草影院新地址| 国产在线视频一区二区| 综合色丁香网| 国产成人freesex在线| 久久精品久久精品一区二区三区| 99re6热这里在线精品视频| 美女xxoo啪啪120秒动态图| 国产精品人妻久久久久久| 亚洲精品国产成人久久av| 国产精品人妻久久久久久| 日韩强制内射视频| 亚洲精华国产精华液的使用体验| 丰满乱子伦码专区| 99久久精品一区二区三区| 男女边吃奶边做爰视频| 久热这里只有精品99| 丰满乱子伦码专区| 赤兔流量卡办理| 激情五月婷婷亚洲| kizo精华| 搡老乐熟女国产| 亚洲国产精品999| 国产日韩一区二区三区精品不卡 | 免费黄色在线免费观看| 亚洲av中文av极速乱| 亚洲精品成人av观看孕妇| 亚洲精品视频女| 国产视频内射| 桃花免费在线播放| 在线播放无遮挡| videossex国产| 男人舔奶头视频| 黑人巨大精品欧美一区二区蜜桃 | 日韩中文字幕视频在线看片| 尾随美女入室| 一本久久精品| 国产黄频视频在线观看| 久久久a久久爽久久v久久| 亚洲av电影在线观看一区二区三区| 夫妻性生交免费视频一级片| 亚洲精品第二区| 亚洲国产av新网站| 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| 99久久人妻综合| 欧美少妇被猛烈插入视频| 看十八女毛片水多多多| 最近的中文字幕免费完整| 一区二区av电影网| 国产精品国产av在线观看| 亚洲婷婷狠狠爱综合网| 亚洲精品久久久久久婷婷小说| 99久久人妻综合| 国产视频首页在线观看| 最近中文字幕2019免费版| a级毛色黄片| 一级毛片 在线播放| 国产伦理片在线播放av一区| 中文字幕精品免费在线观看视频 | 日韩av在线免费看完整版不卡| 自线自在国产av| 激情五月婷婷亚洲| 黑丝袜美女国产一区| 韩国av在线不卡| 久久久久久久久大av| 熟女av电影| 日韩欧美精品免费久久| 街头女战士在线观看网站| 99热这里只有是精品50| av在线播放精品| 久久久久久久久久久久大奶| 成年av动漫网址| 精品一区在线观看国产| 精品国产一区二区三区久久久樱花| 国产视频内射| 精品午夜福利在线看| www.av在线官网国产| 国产淫片久久久久久久久| 成人国产麻豆网| 18+在线观看网站| 国产在视频线精品| 亚洲天堂av无毛| 中文字幕久久专区| 国产精品久久久久久av不卡| 最新的欧美精品一区二区| 在线观看人妻少妇| 久久99热这里只频精品6学生| 高清黄色对白视频在线免费看 | 2018国产大陆天天弄谢| 国产白丝娇喘喷水9色精品| 少妇 在线观看| 久久久久久伊人网av| 高清视频免费观看一区二区| 国产片特级美女逼逼视频| 日韩精品有码人妻一区| 亚洲精品一二三| av不卡在线播放| 26uuu在线亚洲综合色| 久久毛片免费看一区二区三区| 国精品久久久久久国模美| 日韩av在线免费看完整版不卡| 涩涩av久久男人的天堂| 精品少妇久久久久久888优播| av网站免费在线观看视频| 日日啪夜夜爽| 黄色怎么调成土黄色| 精品人妻偷拍中文字幕| 国产乱人偷精品视频| 青青草视频在线视频观看| 日韩欧美 国产精品| 十八禁高潮呻吟视频 | 久久人妻熟女aⅴ| 久久久久久久大尺度免费视频| 国产亚洲午夜精品一区二区久久| 最近中文字幕2019免费版| 亚洲精品456在线播放app| √禁漫天堂资源中文www| 99精国产麻豆久久婷婷| 国产精品久久久久久久久免| 欧美另类一区| 精品熟女少妇av免费看| 中文字幕免费在线视频6| 日韩强制内射视频| 寂寞人妻少妇视频99o| 黑人巨大精品欧美一区二区蜜桃 | 亚洲精品国产成人久久av| 免费观看av网站的网址| 99热这里只有精品一区| av天堂久久9| 午夜福利网站1000一区二区三区| 国产在线一区二区三区精| 校园人妻丝袜中文字幕| 亚洲av中文av极速乱|