基于一维卷积神经网络的舰船尾流检测

TJ630.6%U674; 为了提高舰船尾流的检测准确率,提出一种基于一维卷积神经网络(1DCNN)的舰船尾流检测方法.利用舰船尾流散射回波模型构建仿真数据集,通过水箱仿真实验验证散射回波模型的可靠性并构建实验数据集,最后综合考虑不同结构模型的检测准确率和参数量搭建了 1DCNN并与传统检测算法(基于单分类支持向量机和反向传播神经网络)在数据集上进行对比分析.仿真结果表明,相比与传统检测算法,文中所提出的1DCNN提高了不同信噪比下舰船尾流的检测准确率和检测效率,具有较好的工程应用价值....

Full description

Saved in:
Bibliographic Details
Published in水下无人系统学报 Vol. 31; no. 6; pp. 839 - 846
Main Authors 杨长生, 苟文博, 梁红
Format Journal Article
LanguageChinese
Published 西北工业大学航海学院,陕西西安, 710072 01.12.2023
Subjects
back propagation neural network
反向传播神经网络
one-class support vector machine
舰船尾流检测
一维卷积神经网络
ship wake detection
one-dimensional convolutional neural network
单分类支持向量机
Online AccessGet full text
ISSN2096-3920
DOI10.11993/j.issn.2096-3920.2022-0052

Cover

More Information
Summary:TJ630.6%U674; 为了提高舰船尾流的检测准确率,提出一种基于一维卷积神经网络(1DCNN)的舰船尾流检测方法.利用舰船尾流散射回波模型构建仿真数据集,通过水箱仿真实验验证散射回波模型的可靠性并构建实验数据集,最后综合考虑不同结构模型的检测准确率和参数量搭建了 1DCNN并与传统检测算法(基于单分类支持向量机和反向传播神经网络)在数据集上进行对比分析.仿真结果表明,相比与传统检测算法,文中所提出的1DCNN提高了不同信噪比下舰船尾流的检测准确率和检测效率,具有较好的工程应用价值.
ISSN:2096-3920
DOI:10.11993/j.issn.2096-3920.2022-0052