10.3969/j.issn.0253-4193.2014.05.010
基于遗传小波神经网络的海底声学底质识别分类
分割海底声纳探测图像,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,构建小波神经网络。利用遗传算法优化小波神经网络的初始权值及小波参数,对砂、礁石、泥3种底质类型分别进行训练,并得到3种底质的测试精度都在90%以上,优于单独利用小波神经网络进行训练时的测试精度,克服了小波神经网络训练时易陷入局部极小的固有缺陷,表明基于遗传算法的小波神经网络可有效用于海底底质声纳图像的识别和分类。
遗传小波神经网络、底质分类、声纳图像、遗传算法、小波分析
P229(大地测量学)
国家海洋公益专项201105001;科技基础性工作专项2013FY112900;国家自然科学基金40506017。
2014-05-26(万方平台首次上网日期,不代表论文的发表时间)
共8页
90-97