基于粒子群优化算法的PSO-BP海底声学底质分类方法

• 作者: 吴自银 周洁琼 尚继宏 李守军 赵荻能 陈佳兵
• 来源期刊: 海洋学报（中文版）
• 学科: 地球科学
• 关键词: 基于粒子群优化算法的BP神经网络 特征向量 粒子群算法 底质分类
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 物理海洋、海洋气象、海洋物理
• 页码范围: 51-57
• 页数: 7页
• 分类号: P733.23
• 字数: 4884字
• 语种: 中文

摘要

利用粒子群优化算法(PSO)较强的鲁棒性和全局搜索能力等优点,将PSO算法与BP神经网络相结合,优化了BP神经网络分类时的初始权值和阈值.基于珠江河口三角洲的侧扫声呐图像数据,提取了海底声呐图像中砂、礁石、泥3类典型底质的6种主要特征向量,利用PSO-BP方法对海底底质进行分类识别.实验表明,3类底质分类精度均大于90％,高于BP神经网络70％左右的分类精度,表明PSO-BP方法可有效应用于海底底质的分类识别.