上海海事大学学报
上海海事大學學報
상해해사대학학보
JOURNAL OF SHANGHAI MARITIME UNIVERSITY
2013年
4期
27-30
,共4页
底质分类%反向散射强度%自组织特征映射%学习向量量化
底質分類%反嚮散射彊度%自組織特徵映射%學習嚮量量化
저질분류%반향산사강도%자조직특정영사%학습향량양화
seabed classification%backscatter strength%self-organizing feature map%learning vector quantization
为快速辨别海底底质类型和海底目标,在分析Kohonen自组织特征映射网络(Self-Organizing Feature Map,SOFM)和学习向量量化(Learning Vector Quantization,LVQ)算法的基础上,提出一种SOFM算法与改进的LVQ算法相结合的混合神经网络分类方法.利用这种分类方法,对预处理后的多波束测深系统获取的反向散射强度数据进行训练分类.通过对在实验区域提取的检测样本的分类结果进行比较分析,表明该方法是可行、有效的,而且在底质类型特征相近的情况下,具有较好的分类效果.
為快速辨彆海底底質類型和海底目標,在分析Kohonen自組織特徵映射網絡(Self-Organizing Feature Map,SOFM)和學習嚮量量化(Learning Vector Quantization,LVQ)算法的基礎上,提齣一種SOFM算法與改進的LVQ算法相結閤的混閤神經網絡分類方法.利用這種分類方法,對預處理後的多波束測深繫統穫取的反嚮散射彊度數據進行訓練分類.通過對在實驗區域提取的檢測樣本的分類結果進行比較分析,錶明該方法是可行、有效的,而且在底質類型特徵相近的情況下,具有較好的分類效果.
위쾌속변별해저저질류형화해저목표,재분석Kohonen자조직특정영사망락(Self-Organizing Feature Map,SOFM)화학습향량양화(Learning Vector Quantization,LVQ)산법적기출상,제출일충SOFM산법여개진적LVQ산법상결합적혼합신경망락분류방법.이용저충분류방법,대예처리후적다파속측심계통획취적반향산사강도수거진행훈련분류.통과대재실험구역제취적검측양본적분류결과진행비교분석,표명해방법시가행、유효적,이차재저질류형특정상근적정황하,구유교호적분류효과.
