典型文献
自组织优化分类的AUV地磁导航适配区选取
文献摘要：
为确保水下自主航行器(autonomous underwater vehicle,AUV)地磁导航的可靠性及其航迹规划的合理性,提出了 一种基于主成分分析(principal component analysis,PCA)和改进反向传播(back-propagation,BP)神经网络结合的候选地磁匹配区自组织优化分类方法.将候选地磁匹配区的分类问题统一在模式识别的框架下,首先,采用PCA对若干地磁图特征参数进行线性变换,获取独立的主成分特征参量;然后,利用遗传算法(genetic algorithm,GA)优化BP神经网络的初始权阈值来提高候选地磁匹配区适配性分类的准确性;最后,借助GA-BP神经网络来构建地磁图特征参数和匹配性能的映射关系,完成地磁适配区的自动识别.仿真实验结果表明,该自组织优化分类方法在地磁导航适配区选取方面具有较高的分类精度和可靠性,为AUV的高精度长航时自主导航提供重要保障.
文献关键词：
地磁适配区;水下自主航行器;自组织优化分类;主成分分析;BP神经网络
中图分类号：
作者姓名：
种洋;柴洪洲;郭云飞;王旭;刘必欣
作者机构：
军事科学院,北京,100091;信息工程大学地理空间信息学院,河南 郑州,450001;地理信息工程国家重点实验室,陕西 西安,710054;辽宁科技学院资源与土木工程学院,辽宁 本溪,117004
文献出处：
引用格式：
[1]种洋;柴洪洲;郭云飞;王旭;刘必欣-.自组织优化分类的AUV地磁导航适配区选取)[J].武汉大学学报（信息科学版）,2022(05):722-730
A类：
自组织优化分类,适配区选取,水下自主航行器,地磁适配区
B类：
AUV,地磁导航,保水,autonomous,underwater,vehicle,航迹规划,principal,component,analysis,反向传播,back,propagation,地磁匹配,分类方法,分类问题,模式识别,线性变换,成分特征,特征参量,genetic,algorithm,GA,适配性,建地,匹配性能,映射关系,自动识别,分类精度,长航,自主导航
AB值：
0.230177
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
