基于粒子群优化算法的PSO-BP海底声学底质分类方法

Chen Jiabing,Wu Ziyin,Zhao Dineng,Zhou Jieqiong,Li Shoujun,Shang Jihong

Acta Oceanologica Sinica（2017）

引用 2|浏览1

暂无评分

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.

查看译文

关键词

PSO-BP neural network,feature vectors,particle swarm optimization algorithms,sediment classifica-tion

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要