مقایسه دقت و زمان کلاسبندی الگوریتمهای ماشین بردار پشتیبان و شبکه عصبی برای شناسایی غواص
نویسندگان
1 کارشناسی ارشد-دانشگاه امام حسین(ع)
2 دانشگاه امام حسین(ع)،دکتری برق
doi
چکیده
ویژگیهای منحصر به فرد و امکان انتشار آسان سیگنالهای صوتی در محیط زیر آب، امکان شناسایی و ردگیری اهداف زیر آبی بوسیله آنها را فراهم میکند. از جمله کاربردهای پدافندی سیگنال صوتی در حوزهی دریا را میتوان استفاده از سونار برای شناسایی غواص به منظور جلوگیری از نفوذ غواصان در نیروگاههای ساحلی و همچنین حفاظت از تجهیزات بندرگاهی و... نام برد. برای این مقصود شناسایی صحیح غواص از سایر اهداف زیرآبی مانند: دلفینها و توده ماهیها اهمیت مییابد. در این مقاله برای شناسایی غواص از دو روش کلاسبندی 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 روشها براساس دقت و زمان کلاسبندی و شناسایی مورد ارزیابی قرارگرفته است. شبیهسازیها نشان دهندهی آن است که الگوریتم شبکه عصبی پرسپترون چند لایه بهترین نتیجه را دارد.1 1 1 4 1 4 1 4 1 4 1 4 4