排序方式: 共有62条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
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. 相似文献
6.
北黄海海底麻坑群形态的定量研究及控制因素 总被引:1,自引:0,他引:1
本文基于高分辨率多波束水深数据和反向散射强度数据,对北黄海海底麻坑群的形态参数进行定量研究,结合水深、地形坡度和后向散射强度的变化准确界定了麻坑的轮廓,识别出圆形、椭圆形、拉长型麻坑共282个,并在ArcGIS软件中对其形态参数进行了分析计算,麻坑的平均长轴1.36 km,短轴0.78 km,直径0.94 km,面积0.88 km2,平均周长3.82 km,长宽比1.83,深度0.3~2.5 m,平均面积密集度13%,麻坑的剖面形态有麻坑边缘凹陷、中部有明显凸起(W1型),麻坑边缘凹陷、中部略凸起(W2型),麻坑中部单纯凹陷(V型),分别集中分布在麻坑群的北部、南部、西部。麻坑的平面规模大、深度小的原因与地层中形成麻坑的游离气体浓度较小有关,也可能受到了地震、海啸等外力的诱发。麻坑的长轴优势走向为ENE-WSW、NNE-SSW,底流对其形状的塑造起了较大作用,部分麻坑成串排列,形成串珠状的麻坑链,其排列方式受到海底古河道、古潟湖等沉积地层结构的控制。海底麻坑群发育区反向散射强度为-60~-71 dB,麻坑内部较麻坑外部平均高5 dB,可能为麻坑内部气体泄漏引起海底沉积物被剥蚀后残留下的粗颗粒物质或海底生物活动留下的遗迹导致的。 相似文献
7.
8.
9.