與之前的去噪方法不同,提出使用正激勵噪聲將噪聲引入數據集擴展并提取融合特征作為網絡輸入。實驗結果表明,噪聲在一定條件下可以提高網絡識別率。該方法為有限水聲數據集的問題提供了一種新穎的解決方案,并提高了船舶噪聲分類模型的通用性。
借鑒了隨機森林的投票機制,并與CNN結合,在CNN后端添加了決策層。這種方法通過融合多個 CNN 模型的輸出來提高網絡的準確性。該方法有助于開發更穩健、更準確的船舶噪聲分類模型。
將現有算法與本文提出的方法進行了比較,驗證了簡單的網絡也能實現較高的識別精度。這一發現很重要,因為它表明復雜的網絡結構(例如涉及對抗性學習的網絡結構)對于準確的船舶噪聲分類可能并不總是必需的。