[发明专利]一种基于头脑风暴自动调整自编码网络的声呐识别方法

摘要

本发明公开了一种基于头脑风暴自动调整自编码网络的声呐识别方法，步骤包括：1)对收集到的声呐数据进行处理，处理成网络能够识别的输入信号，确定待识别样本类的个数以及每一类样本的特征数即样本维度，确定网络的训练样本和测试样本；2)选择深度神经网络作为网络模型；3)对网络模型进行优化及确定；4)对自动编码机进行分层训练；5)对网络模型进行微调；6)判断停止条件，设定最大迭代次数，判断是否满足最大迭代次数；步骤7)待识别样本输入分类，将待识别声呐数据样本输入到已经训练好的网络模型，利用训练好的网络对待识别样本进行分类；8)计算识别率，实现识别。本发明的方法，过程简化，识别准确率明显提高。

主权项

1.一种基于头脑风暴自动调整自编码网络的声呐识别方法，其特征在于，按照以下步骤实施：步骤1、对收集到的声呐数据进行处理，处理成网络能够识别的输入信号，确定待识别样本类的个数以及每一类样本的特征数即样本维度，同时确定网络的训练样本和测试样本；步骤2、选择深度神经网络作为网络模型；步骤3、对网络模型进行优化及确定，自编码网络模型主要由自动编码机和分类器两部分组成，其中，输入层个数为待分类物体特征个数，输出层个数为声呐数据中待识别物体类的个数，对于网络模型的优化主要是对自动编码机结构的优化，既然自动编码机由输入层、隐藏层和输出层组成，因此，自动编码机结构的确定分为输入层节点数、输出层节点数、隐藏层层数及节点数优化三个方面；步骤4、对自动编码机进行分层训练，对自动编码机的分层训练分为初始化、编码解码、分层训练的目标函数建立、以及计算梯度变量更新；步骤5、对网络模型进行微调，将训练的网络隐藏层输出y即权值阈值作为自动编码机学习到的待分类的物体的特征，用于分类器的输入，并对网络模型进行微调；步骤6、判断停止条件，设定最大迭代次数，判断是否满足最大迭代次数，若不满足，返回步骤3；若满足，则进入步骤7；步骤7、待识别样本输入分类，将待识别声呐数据样本输入到已经训练好的网络模型，利用训练好的网络对待识别样本进行分类；步骤8、计算识别率，网络模型总体评价标准能够精确地表示网络识别率，但为更直观的表示网络对待识别样本的分类效果，表达式见式(12)：其中，p为待识别样本总数，ɑ为分类正确的待识别样本，则利用式(12)能够直观的计算出声呐数据最优识别准确率。