基于粒子群优化算法的PSO-BP海底声学底质分类方法

摘要：

利用粒子群优化算法(PSO)较强的鲁棒性和全局搜索能力等优点,将PSO算法与BP神经网络相结合,优化了BP神经网络分类时的初始权值和阈值.基于珠江河口三角洲的侧扫声呐图像数据,提取了海底声呐图像中砂、礁石、泥3类典型底质的6种主要特征向量,利用PSO-BP方法对海底底质进行分类识别.实验表明,3类底质分类精度均大于90％,高于BP神经网络70％左右的分类精度,表明PSO-BP方法可有效应用于海底底质的分类识别.

关键词：基于粒子群优化算法的BP神经网络、特征向量、粒子群算法、底质分类

所属期刊栏目：39

分类号：P733.23(海洋基础科学)

资助基金：国家自然科学基金41476049;科技基础性工作专项2013FY112900;海洋公益项目201105001

在线出版日期：2017-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：51-57