CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مقایسه دقت و زمان کلاس بندی الگوریتم های ماشین بردار پشتیبان و شبکه عصبی برای شناسایی غواص

عنوان مقاله: مقایسه دقت و زمان کلاس بندی الگوریتم های ماشین بردار پشتیبان و شبکه عصبی برای شناسایی غواص
شناسه ملی مقاله: JR_SAIRAN-5-2_003
منتشر شده در شماره 2 دوره 5 فصل تابستان در سال 1393
مشخصات نویسندگان مقاله:

علی شعبانی - دانشجوی کارشناسی ارشد مخابرات، دانشگاه جامع امام حسین (ع)
سیدمحمد علوی - دکترای مهندسی برق و الکترونیک، استادیار دانشگاه جامع امام حسین(ع)

خلاصه مقاله:
ویژگیهای منحصر به فرد و امکان انتشار آسان سیگنال های صوتی در محیط زیر آب، امکان شناسایی و ردگیری اهداف زیر آبی بوسیله آنها را فراهم میکند. از جمله کاربردهای پدافندی سیگنال صوتی در حوزه دریا را میتوان استفاده از سونار برای شناسایی غواص به منظور جلوگیری از نفوذ غواصان در نیروگاه های ساحلی و همچنین حفاظت از تجهیزات بندرگاهی و... نام برد. برای این مقصود شناسایی صحیح غواص از سایر اهداف زیرآبی مانند: دلفین ها و توده ماهی ها اهمیت می یابد. در این مقاله برای شناسایی غواص از دو روش کلاس بندی اهداف ماشین بردار پشتیبان و شبکه عصبی استفاده شده است و برای این کار از دو ویژگی قدرت هدف و سرعت هدف بهره گرفته شده است. در انتها نتایج این روش ها براساس دقت و زمان کلاس بندی و شناسایی مورد ارزیابی قرارگرفته است. شبیه سازی ها نشان دهنده آن است که ماشین بردار پشتیبان با تابع کرنل RBF بهترین نتیجه را دارد.

کلمات کلیدی:
سونار، شناسایی غواص، ماشین بردار پشتیبان (SVM)،شبکه عصبی،کلاس بندی اهداف، قدرت هدف(TS)

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/450683/