遺傳神經(jīng)網(wǎng)絡(luò)算法在激光遙感監(jiān)測海面溢油中的應(yīng)用.pdf

1、文章通過分析當(dāng)前激光遙感系統(tǒng)的現(xiàn)狀和流行的海面溢油監(jiān)測技術(shù)，深入的闡述了基于激光誘導(dǎo)熒光的遙感識別技術(shù)，并結(jié)合人工智能算法，建立了應(yīng)用于多通道光譜數(shù)據(jù)的海面溢油種類識別的數(shù)學(xué)模型。 作者在本次實驗中分別引入了誤差逆向傳播神經(jīng)網(wǎng)絡(luò)和遺傳神經(jīng)網(wǎng)絡(luò)兩種人工智能學(xué)習(xí)算法。通過對實驗結(jié)果的分析，發(fā)現(xiàn)通過整合遺傳算法和具有梯度下降能力的誤差逆向傳播神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，一方面充分利用了遺傳算法的全局尋優(yōu)能力，避免了陷入局部最小值的問題而且還使

2、神經(jīng)網(wǎng)絡(luò)的連接權(quán)值得到了優(yōu)化，從而進一步提高了對溢油種類特征提取的準(zhǔn)確程度。另一方面，神經(jīng)網(wǎng)絡(luò)的擴展能力極大的減小了遺傳算法對樣本種群數(shù)量、交叉和變異概率等的影響，提高了實驗的數(shù)據(jù)映射范圍，使得實驗更具有普遍性和代表性。 對比實驗中以30組64通道待定物質(zhì)的激光誘導(dǎo)熒光溢油光譜樣本作為網(wǎng)絡(luò)的輸入矢量，10種已確定物質(zhì)的光譜數(shù)據(jù)作為網(wǎng)絡(luò)的目標(biāo)矢量，分別對誤差逆向傳播神經(jīng)網(wǎng)絡(luò)和遺傳神經(jīng)網(wǎng)絡(luò)2種網(wǎng)絡(luò)模型進行訓(xùn)練，并對實驗結(jié)果做對比數(shù)