结合遗传算法的LVQ神经网络在声学底质分类中的应用

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.

关键词：学习向量量化、遗传算法、多波束测深系统、底质分类

所属期刊栏目：50

分类号：P631

资助基金：国家高技术研究发展计划863计划2006AA09Z103;香港研究资助局资助项目B-Q734

在线出版日期：2007-04-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：313-319