联合支持向量机和增强学习算法的多波束声学底质分类

纪雪; 唐秋华; 陈义兰; 李杰; 丁德秋

首页> 中文期刊> 《测绘学报》 >联合支持向量机和增强学习算法的多波束声学底质分类

联合支持向量机和增强学习算法的多波束声学底质分类

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

基于多波束的声学底质分类是近年来快速发展起来的新型海底底质探测技术.针对多波束声学底质分类中底质类型多样化、类型之间差异较小等多分类难点问题,本文提出一种GA-SVM-AdaBoost算法.利用自适应性和全局搜索能力强的遗传算法(genetic algorithm,GA)去优化支持向量机(support vector machines,SVM),以获得最优模型初始参数,并将多个GA优化后的SVM作为弱分类器组成AdaBoost强分类器.对胶州湾采集到的多波束反向散射强度数据,经过精细处理后生成海底声呐镶嵌图;构建SVM-RFE-CBR算法从提取的36维声强空间特征中筛选出10维优势特征,将其输入到GA-SVM-AdaBoost模型中进行分类识别.通过与SVM、GA-SVM、基于单层决策树的AdaBoost分类模型对比,GA-SVM-AdaBoost算法的总体分类精度高达92.19％,优于另外3种模型,证明GA-SVM-AdaBoost分类模型可有效应用于高精度海底底质类型识别.

著录项

来源
《测绘学报》 |2021年第7期|972-981|共10页
作者
纪雪; 唐秋华; 陈义兰; 李杰; 丁德秋;
展开▼
作者单位

测绘遥感信息工程国家重点实验室湖北武汉 430079;

自然资源部第一海洋研究所山东青岛266061;

山东科技大学测绘科学与工程学院山东青岛266590;

自然资源部第一海洋研究所山东青岛266061;

自然资源部第一海洋研究所山东青岛266061;

山东科技大学测绘科学与工程学院山东青岛266590;

展开▼
原文格式 PDF
正文语种 chi
中图分类海洋测量学;
关键词
多波束测深系统; 声学底质分类; 支持向量机; 遗传算法; AdaBoost算法;

相似文献

中文文献
外文文献
专利

1. 多波束声学底质分类研究进展与展望 [J] . 唐秋华 ,纪雪 ,丁继胜 . 海洋科学进展 . 2019,第001期
2. K-均值聚类算法在多波束底质分类中的应用 [J] . 吕良 ,金绍华 ,边刚 . 海洋测绘 . 2018,第003期
3. 蚁群算法优化BP神经网络声学底质分类方法 [J] . 秦浩森 ,丁咚 ,王祥东 . 中国海洋大学学报（自然科学版） . 2019,第0z1期
4. 基于粒子群优化算法的PSO-BP海底声学底质分类方法 [J] . 陈佳兵 ,吴自银 ,赵荻能 . 海洋学报（中文版） . 2017,第009期
5. 结合遗传算法的LVQ神经网络在声学底质分类中的应用 [J] . 唐秋华 ,刘保华 ,陈永奇 . 地球物理学报 . 2007,第001期
6. K-均值聚类分析算法在多波束海底底质分类中的应用研究 [C] . 金绍华 ,肖付民 ,崔杨 . 第二十七届海洋测绘综合性学术研讨会 . 2015
7. 海底底质多波束声学方法探测技术研究 [A] . 赵旭 . 2009

联合支持向量机和增强学习算法的多波束声学底质分类

摘要

著录项

相似文献

相关主题

期刊订阅