Backpropagationneuralnetworkclassificationofsedimentseabedacousticsonarimagesbasedonparticleswarmoptimizationalgorithms
中文摘要: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。中文关键词: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英文关键词:PSO-BPneuralnetworkfeaturevectorsparticleswarmoptimizationalgorithmssedimentclassification陈佳兵,吴自银,赵荻能,周洁琼,李守军,尚继宏.基于粒子群优化算法的PSO-BP海底声学底质分类方法[J].海洋学报,,39(9):51-57,DOI：10./j.issn.-..09.
赞赏