结合遗传算法的LVQ神经网络在声学底质分类中的应用

被引：27

作者：

唐秋华 ^{[1
]}

刘保华 ^{[2
]}

陈永奇 ^{[1
]}

周兴华 ^{[2
]}

丁继胜 ^{[2
]}

机构：

[1] 中国海洋大学海洋地球科学学院

[2] 国家海洋局第一海洋研究所

来源：

地球物理学报 | 2007年 / 01期

关键词：

学习向量量化; 遗传算法; 多波束测深系统; 底质分类;

D O I：

暂无

中图分类号：

P733.2 [海洋声学];

学科分类号：

082403 ;

摘要：

学习向量量化(Learning Vector Quantization,LVQ)神经网络在声学底质分类中具有广泛应用.常用的LVQ神经网络存在神经元未被充分利用以及算法对初值敏感的问题,影响底质分类精度.本文提出采用遗传算法(Genetic Algorithms,GA)优化神经网络的初始值,将GA与LVQ神经网络结合起来,迅速得到最佳的神经网络初始权值向量,实现对海底基岩、砾石、砂、细砂以及泥等底质类型的快速、准确识别.将其应用于青岛胶州湾海区底质分类识别研究中,通过与标准的LVQ神经网络的分类结果进行比较表明,该方法在分类速度以及精度上都有了较大提高.

引用

页码：313 / 319

页数：7