基于人工鱼群优化BPNN的AUV目标识别方法

• 作者: 王玥 贾玉珍
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 水下图像 目标识别 不变矩 神经网络 人工鱼群算法
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 数据采集与处理
• 页码范围: 34-36,40
• 页数: 4页
• 分类号: TP391
• 字数: 2794字
• 语种: 中文

摘要

为了削弱复杂恶劣的环境对水下成像造成的不利影响及满足水下机器人目标识别任务实时性的需求,提出了基于人工鱼群算法(AFSA)优化BP神经网络的水下目标识别算法,通过构造组合不变矩对水下目标进行特征提取,提高了目标的聚类性能.引入具有全局寻优能力的AFSA,其在增加单纯神经网络收敛速度的同时避免算法陷入局部最优,进而建立了完整的基于人工鱼群神经网络的水下目标识别系统.在不同的水下目标中对该系统进行实验,通过比较提取的不同的目标图像,结果表明所建立系统具有较优的聚类性能和较高的识别精度.该方法用于水下目标识别是可行的、有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王玥	南阳理工学院软件学院	13	43	4.0	6.0
2	贾玉珍	南阳理工学院软件学院	17	38	4.0	5.0