买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安电子科技大学

摘要：本发明公开了一种基于联邦进化卷积神经网络的极化SAR图像分类方法及系统，将极化SAR数据划分为训练集和验证集；将种群中的个体解码为卷积神经网络，输入训练集进行训练并聚合；对聚合后的卷积神经网络重复运行得到最终聚合的卷积神经网络；将验证集输入最终聚合的卷积神经网络得到对验证集的样本正确分类的数量；对种群中的每一个个体执行差分进化操作得到子代种群；将种群与子代种群合并得到合并种群；执行环境选择操作得到下一代种群；选取最终种群并从中选择适应度最高的个体对应的卷积神经网络；将待分类的极化SAR图像输入卷积神经网络中得到分类结果，完成极化SAR图像分类。本发明提高了卷积神经网络分类精度的同时，降低了卷积神经网络的复杂度。

主权项：1.基于联邦进化卷积神经网络的极化SAR图像分类方法，其特征在于，包括以下步骤：S1、将多个采用固定长度编码方式生成的个体组成种群；S2、将N个数据源中的极化SAR数据分别划分为训练集和验证集；S3、将步骤S1获得的种群中的个体解码为卷积神经网络；S4、将步骤S3得到的卷积神经网络传输到N个数据源上，并将步骤S2划分的训练集分别输入到N个数据源上的卷积神经网络中训练至少3轮，将N个数据源上经过训练的卷积神经网络进行聚合，得到聚合后的卷积神经网络；S5、对聚合后的卷积神经网络采用与步骤S4相同的方法重复运行至少3轮，得到最终聚合的卷积神经网络；S6、将步骤S5得到的最终聚合的卷积神经网络传输到N个数据源上，并将步骤S2划分的验证集分别输入到最终聚合的卷积神经网络中，得到最终聚合的卷积神经网络对验证集的样本正确分类的数量；根据最终聚合的卷积神经网络在验证集上正确分类的数量及验证集样本的总数量，计算最终聚合的卷积神经网络的总体分类精度，以及最终聚合的卷积神经网络一次前向传播的浮点运算次数；并将总体分类精度和浮点运算次数分别作为对应个体的两个适应度；S7、对当前种群中的每一个个体执行差分进化操作，得到子代种群；S8、对步骤S7获得的子代种群重复步骤S3至步骤S6，得到每个个体的适应度；S9、将当前种群与步骤S7的子代种群合并，得到合并种群；根据步骤S8得到的个体适应度对合并种群执行环境选择操作，得到下一代种群；S10、如果当前种群的迭代次数等于最大迭代次数，将步骤S9得到的下一代种群作为最终种群；S11、在步骤S10的最终种群中选择适应度最高的个体对应的卷积神经网络；将待分类的极化SAR图像输入到适应度最高的个体对应的卷积神经网络中得到分类结果，完成极化SAR图像分类。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于联邦进化卷积神经网络的极化SAR图像分类方法及系统