文献

J-GLOBAL ID：201702226894605414   整理番号：17A1923526

粒子群最適化アルゴリズムに基づくPSO-BP海底音響底質分類手法【JST・京大機械翻訳】

Back propagation neural network classification of sediment seabed acoustic sonar images based on particle swarm optimization algorithms

著者 (6件)： Chen Jiabing (国家海洋局第二海洋研究所,浙江 杭州 310012;国家海洋局海底科学重点実験室,浙江 杭州 310012) ,  Wu Ziyin (国家海洋局第二海洋研究所,浙江 杭州 310012;国家海洋局海底科学重点実験室,浙江 杭州 310012) ,  Zhao Dineng (国家海洋局第二海洋研究所,浙江 杭州 310012;浙江大学地球科学学院,浙江 杭州 310027) ,  Zhou Jieqiong (国家海洋局第二海洋研究所,浙江 杭州 310012;浙江大学地球科学学院,浙江 杭州 310027) ,  Li Shoujun (国家海洋局第二海洋研究所,浙江 杭州 310012;国家海洋局海底科学重点実験室,浙江 杭州 310012) ,  Shang Jihong (国家海洋局第二海洋研究所,浙江 杭州 310012;国家海洋局海底科学重点実験室,浙江 杭州 310012)
資料名： Haiyang Xuebao  (Haiyang Xuebao)
巻： 39  号： 9  ページ： 51-57  発行年： 2017年 
JST資料番号： W0863A  ISSN： 0253-4193  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 粒子群最適化(PSO)アルゴリズムの強いロバスト性とグローバル検索能力を利用して,PSOアルゴリズムをBPニューラルネットワークと結合して,BPニューラルネットワークの分類の初期の重みと閾値を最適化した。珠江河口の三角州における側面のソナー画像データに基づいて,海底のソナー画像における砂,岩礁,泥の3つの典型的な底質の6つの主要な特徴ベクトルを抽出し,PSO-BP方法を用いて海底堆積物の分類と識別を行った。実験により、3種類の底質分類精度はいずれも90%より高く、BPニューラルネットワークの70%前後の分類精度より高く、PSO-BP方法は海底底質の分類識別に有効に応用できることが分かった。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *海底 ,  画像 ,  ソナー ,  *音響 ,  *最適化 ,  *底質 ,  海底堆積物 ,  *アルゴリズム ,  ロバスト性
準シソーラス用語： 分類精度 ,  特徴ベクトル ,  岩礁 ,  逆伝播ニューラルネットワーク ,  グローバル検索 ,  *粒子群最適化 , 【Automatic Indexing@JST】

著者キーワード (4件)： PSO-BP neural network ,  feature vectors ,  particle swarm optimization algorithms ,  sediment classifica-tion

分類 (2件)： 数値計算  (JE02000J) ,  システム設計・解析  (IA02030D)

タイトルに関連する用語 (6件)： 粒子群最適化アルゴリズム ,  海底 ,  音響 ,  底質 ,  分類 ,  手法