- HOME
- 홈페이지 이용안내
논문 기본정보
Wavelet neural network identification and classification of sediment seabed sonar images based on genetic algorithms
논문 개요
| 기관명 | NDSL |
|---|---|
| 저널명 | 海洋學報 = Acta oceanologica sinica |
| ISSN | 0253-4193, |
| ISBN |
논문저자 및 소속기관 정보
| 저자(한글) | XIONG, Ming-kuan,WU, Zi-yin,LI, Shou-jun,SHANG, Ji-hong |
|---|---|
| 저자(영문) | |
| 소속기관 | |
| 소속기관(영문) | |
| 출판인 | |
| 간행물 번호 | |
| 발행연도 | 2014-01-01 |
| 초록 | 소나(sonar, 음향탐사기)가 해저에서 탐지한 이미지를 분할하고 고유 벡터(characteristic vector) 유닛을 추출하여 주요성분 분석을 진행하며 평균값, 표준 편차, 명암비, 상관계수, 에너지, 균질성(homogeneity) 등을 트레이닝 고유 벡터(training characteristic vector)로 하여 웨이블릿 신경망(wavelet neural network)을 구축한다. 유전적 알고리즘(genetic algorithm)을 이용하여 웨이블릿 신경망의 초기 가중치(initial weights) 및 웨이블릿 파라미터(wavelet parameters)를 최적화하였고 모래, 암초, 진흙 등 3가지 해저 기질 유형에 대해 각각 트레이닝 작업을 진행하였다. 3가지 해저 기질의 테스트 정밀도는 모두 90%이상에 도달하였는데, 웨이블릿 신경망을 단독으로 이용하여 트레이닝을 진행할 때 측정한 정밀도에 비해 그 정확도가 더욱 높았으며 웨이블릿 신경망을 이용한 트레이닝 과정에서 지역최소점(local minimum)에 쉽게 빠지는 고유의 결점을 극복하였다. 이는 유전적 알고리즘을 기반으로 한 웨이블릿 신경망은 소나가 해저 기질을 대상으로 탐지한 이미지의 식별과 분류에 효과적으로 사용할수 있다는 것을 설명한다. |
| 원문URL | http://click.ndsl.kr/servlet/OpenAPIDetailView?keyValue=03553784&target=NART&cn=NART75841651 |
| 첨부파일 |
추가정보
| 과학기술표준분류 | |
|---|---|
| ICT 기술분류 | |
| DDC 분류 | |
| 주제어 (키워드) | genetic algorithm-wavelet neural network,sediment classification,sonar gray image,genetic algorithm,wavelet analysis,유전적 알고리즘-웨이블릿 신경망,해저 기질의 분류,소나 이미지,유전적 알고리즘,웨이블릿 분석 |