|
|
|
|
طراحی مدل فازی پارامترهای کنترلی الگوریتم شامپانزه جهت بازشناسی خودکار اهداف سوناری
|
|
|
|
|
|
|
|
نویسنده
|
صفاری عباس ,ظهیری حمید ,خویشه محمد ,موسوی میرکلایی محمدرضا
|
|
منبع
|
دريا فنون - 1401 - دوره : 9 - شماره : 1 - صفحه:1 -14
|
|
چکیده
|
استفاده روزافزون از روش‌های هوش مصنوعی در سامانه‌های بازشناسی خودکار اهداف در صنایع مختلف نظامی و غیرنظامی، سبب شده که موضوع شناسایی و آشکارسازی خودکار اهداف به یکی از زمینه‌های مورد علاقه صنعتگران و فعالان در این عرصه تبدیل شود. در این مقاله، در مرحله اول از یک شبکه عصبی تابعی پله‌ای شعاعی (rbf nn) تحت آموزش الگوریتم جدید بهینه‌سازی شامپانزه، به عنوان آشکارساز استفاده شده است. اما به دلیل ابعاد بالای دادگان سونار، الگوریتم قادر به تعیین مرز مشخصی بین فاز اکتشاف و استخراج نمی‌باشد. در مرحله دوم، جهت بر طرف کردن این نقیصه، از استنتاج فازی به عنوان رویکردی نوین جهت توسعه و ارتقا الگوریتم شامپانزه در آموزش rbf nn استفاده شده است. استنتاج فازی با تنظیم پارامترهای کنترلی الگوریتم شامپانزه قادر است بخوبی مرز بین دو فاز اکتشاف و استخراج را تعیین کند. به منظور سنجش عملکرد دسته‌بندی کننده طراحی شده، این الگوریتم با الگوریتم‌های gwo،pso ،choa ،aco و ga مقایسه گردید. معیارهای مورد سنجش، سرعت همرایی، توانایی اجتناب از بهینه محلی و نرخ دسته‌بندی می‌باشند. نتایج شبیه‌سازی حاکی از آن بود که fchoa با نرخ دقت دسته‌بندی 97.42% در دادگان سوناری، نسبت به پنج الگوریتم معیار دیگر نتایج بهتری را ارائه می‌کند.
|
|
کلیدواژه
|
بازشناسی، استنتاج فازی، سونار، rbff nn
|
|
آدرس
|
دانشگاه بیرجند, ایران, دانشگاه بیرجند, دانشکده مهندسی برق و کامپیوتر, گروه مهندسی برق, ایران, دانشگاه علوم دریایی امام خمینی (ره), دانشکده مهندسی برق, ایران, دانشگاه علم و صنعت ایران, دانشکده مهندسی برق, ایران
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Design of a fuzzy model of control parameters of chimp algorithm optimization for automatic sonar targets recognition
|
|
|
|
|
Authors
|
Saffari Abbas ,Zahiri Seyyed Hamid ,Khishe Mohammad ,mosavi seyyed mohammadreza
|
|
Abstract
|
The increasing use of artificial intelligence methods in automatic sonar target reco
|
|
Keywords
|
RBFF NN
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|