基于自适应数据剪枝与平滑诱导正则化的水下声学目标识别进展
机器学习
2023-04-25 v1 声音
音频与语音处理
摘要
舰船辐射信号的水下声学识别因能识别非视距目标而具有很高的实际应用价值。然而，由于数据获取困难，所采集信号数量稀少且主要由机械周期噪声构成。根据实验，我们观察到周期信号的重复性导致了双下降现象，表明对重复样本存在显著的局部偏置。为解决此问题，我们提出一种基于交叉熵的策略，以剪枝训练数据中过度相似的片段。此外，为弥补训练数据的减少，我们生成噪声样本并应用基于 KL 散度的平滑诱导正则化以缓解过拟合。实验表明，我们所提的数据剪枝与正则化策略能带来稳定收益，且我们的框架在低资源场景下显著优于当前最优方法（SOTA）。
引用
@article{arxiv.2304.11907,
title = {Advancing underwater acoustic target recognition via adaptive data pruning and smoothness-inducing regularization},
author = {Yuan Xie and Tianyu Chen and Ji Xu},
journal= {arXiv preprint arXiv:2304.11907},
year = {2023}
}