Indexed by：
Abstract：
针对不同类型的枪击加速度信号,采用深度学习的方法,提出一种新的兼顾精度和轻量化的时间序列(ENT)模型进行研究.该架构核心由注意力倒置残差模块与倒置残差模块组成,能够自动提取枪击加速度信号特征,对不同输入时间尺度更具鲁棒性.在识别精确率方面达到97.42%,超越传统枪击识别算法,在公开枪击数据集上与SVM、决策树、随机森林3 种传统机器学习模型,以及FCN、ResNet、Inceptiontime、Xceptiontime等4 种时间序列深度学习模型对比.实验结果表明:ENT模型更加高效,识别精确率更高.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
福州大学学报（自然科学版）
ISSN： 1000-2243
CN： 35-1337/N
Year： 2023
Issue： 4
Volume： 51
Page： 475-481
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 2
Affiliated Colleges：
