基于遗传小波神经网络的海底声学底质识别分类   总被引：4，自引：3，他引：1  

熊明宽  吴自银  李守军  尚继宏 《海洋学报》2014,36(5):90-97

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。  相似文献   

基于SVM的海底声纳图像底质识别*     

熊明宽  吴自银  李守军  罗孝文  唐秋华 《海洋通报》2012,31(4):409-414

对海底底质声纳图像分割,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,优化支持向量机(SVM)参数.利用多分类 SVM 对砂、礁石、泥进行训练,有效、快速地分离出了3种底质类型,测试精度高于80%,表明该方法可有效用于海底底质声纳图像的识别和分类.  相似文献   

基于姿态校正的RTK潮位在琼州海峡地形测量中的应用     

熊明宽  吴自银  姚才华  李守军  尚继宏  罗孝文  乔吉果 《海洋技术学报》2012,31(1):36-40

潮位改正是多波束地形勘测中的重要环节。琼州海峡跨海工程中分别利用验潮潮位和RTK潮位进行潮位改正,对比结果发现初始RTK潮位改正后的数据存在较大偏差,最大可达1.5 m。通过对RTK测量潮位进行姿态校正后,其结果与验潮潮位的偏差减小,可以控制在0.3 m以内。5-6月的琼州海峡正是西南季风爆发时间,海峡海流的流向具有复杂性,涨落潮都伴随着较大的风浪,RTK潮位测量忽略风浪带来的影响是出现较大误差的重要原因。  相似文献