论文摘要
本文利用蚁群算法鲁棒性及全局寻优优点,帮助BP神经网络选取最优权值及阈值,以解决其易陷入局部最优解的缺陷,并基于Santa Cruz盆地多波束及底质采样数据,采用蚁群算法优化的BP神经网络对该盆地内存在的基岩、泥质砂、砂质泥三种底质类型训练分类。从网络预测平均误差和底质分类正确率对比来看,相较于传统BP神经网络,在相同训练次数下,采用蚁群算法优化后的神经网络,网络预测平均误差明显下降,下降比率达20.2%,底质分类正确率显著提高,正确率达90%以上。从区域多波束声学底质分类图来看,底质类型分布状态更加贴近自然规律,获得了良好分类效果。
论文目录
文章来源
类型: 期刊论文
作者: 秦浩森,丁咚,王祥东,李广雪,权永峥
关键词: 神经网络,蚁群算法,多波束测深系统,底质分类
来源: 中国海洋大学学报(自然科学版) 2019年S2期
年度: 2019
分类: 基础科学
专业: 自然地理学和测绘学
单位: 中国海洋大学海洋地球科学学院,海底科学与探测技术教育部重点实验室,青岛海洋科学与技术国家实验室海洋矿产资源评价与探测技术功能实验
基金: 国家自然科学基金项目(41606066),泰山学者支持计划项目资助~~
分类号: P229
DOI: 10.16441/j.cnki.hdxb.20190295
页码: 60-68
总页数: 9
文件大小: 3074K
下载量: 231