基于单输出切比雪夫多项式神经网络的海洋矿物分类（英文）

doi:10.12141/j.issn.1000-565X.200389

华南理工大学学报(自然科学版) ›› 2020, Vol. 48 ›› Issue (12): 135-143.doi: 10.12141/j.issn.1000-565X.200389

基于单输出切比雪夫多项式神经网络的海洋矿物分类（英文）

金龙¹ 陈秀芳¹ 陈良铭¹ 付金山²

1．兰州大学信息科学与工程学院，甘肃兰州 730000; 2．哈尔滨工程大学水声工程学院，黑龙江哈尔滨 150000

收稿日期:2020-07-06 修回日期:2020-07-07 出版日期:2020-12-25 发布日期:2020-12-01
通信作者: 金龙 ( 1988-) ，男，博士，教授，主要从事神经网络、机器人、智能信息处理研究。 E-mail:jinlongsysu@foxmail.com
作者简介:金龙 ( 1988-) ，男，博士，教授，主要从事神经网络、机器人、智能信息处理研究。
基金资助:
国家重点研发计划政府间科技合作项目 ( 2017YFE0118900) ; 国家自然科学基金资助项目 ( 61703189， 11561029) ; 甘肃省自然科学基金重点资助项目 ( 18JＲ3ＲA264) ; 青海省自然科学基金团体项目 ( 2020-ZJ-903) ; 水声技术重点实验室开放基金资助项目 ( SSKF2018005) ; 中央高校基础科研基金资助项目 ( lzujbky-2019-89)

Marine Mineral Classification Based on Single-Output Chebyshev-Polynomial Neural Network

JIN Long¹ CHEN Xiufang¹ CHEN Liangming¹ FU Jinshan²

1． School of Information Science and Engineering，Lanzhou University，Lanzhou 730000，Gansu，China; 2． College of Underwater Acoustic Engineering，Harbin Engineering University，Harbin 150000，Heilongjiang，China

Received:2020-07-06 Revised:2020-07-07 Online:2020-12-25 Published:2020-12-01
Contact: 金龙 ( 1988-) ，男，博士，教授，主要从事神经网络、机器人、智能信息处理研究。 E-mail:jinlongsysu@foxmail.com
About author:金龙 ( 1988-) ，男，博士，教授，主要从事神经网络、机器人、智能信息处理研究。
Supported by:
Supported by the National Key Research and Development Program of China ( 2017YFE0118900) ，the National Natural Science Foundation of China ( 61703189，11561029) ，the Key Project of the Natural Science Foundation of Gansu Province ( 18JR3RA264) ，the Team Project of Natural Science Foundation of Qinghai Province ( 2020-ZJ-903) ，the Opening Fund of Acoustics Science and Technology Laboratory ( SSKF2018005) and the Fundamental Research Funds for the Central Universities ( lzujbky-2019-89)

摘要/Abstract

摘要：

针对海洋矿物分类问题，提出了改进后的单输出切比雪夫多项式神经网络 ( single-output Chebyshev-polynomial neural network with general solution，SOCPNN-G) 。该模型利用伪逆的通解来求参数，扩大解空间，能获得泛化性能更加优良的权重。在该模型中，子集方法用于确定神经元的初始数量和获得交叉验证的最佳重数。最后将改进的 SOCPNN-G 模型用于海洋矿物数据集中进行实验，结果表明，该模型训练准确率和测试准确率分别达到 90. 96% 和 83. 33% ，且对计算性能要求较低。这些优越性表明该模型在海洋矿物的实际应用中具有很好的前景。

关键词: 海洋矿物, 分类, 单输出切比雪夫多项式神经网络, 权重, 准确率

Abstract:

Aiming at the classification of marine minerals，an improved single-output Chebyshev-polynomial neural network with general solution ( SOCPNN-G) was proposed． This model uses the general solution of pseudo-inverse to find the parameters and expand the solution space，and it can obtain weights with better generalization performances． In addition，in this model，the subset method was used to determine the initial number of neurons and obtain the optimal number of the cross validation． Finally，the modified SOCPNN-G was tested in the marine mineral data set． The experimental results show that the training accuracy and test accuracy of the model can reach 90. 96% and 83. 33% ，respectively，and the requirements for computing performance are low． These advantages indicate that this model has excellent application prospects in marine minerals．

Key words: marine mineral, classification, single-output Chebyshev-polynomial neural network with general solution ( SOCPNN-G) , weights, accuracy

中图分类号:

TP183

金龙, 陈秀芳, 陈良铭, 等. 基于单输出切比雪夫多项式神经网络的海洋矿物分类（英文）[J]. 华南理工大学学报(自然科学版), 2020, 48(12): 135-143.

JIN Long, CHEN Xiufang, CHEN Liangming, et al. Marine Mineral Classification Based on Single-Output Chebyshev-Polynomial Neural Network [J]. Journal of South China University of Technology(Natural Science Edition), 2020, 48(12): 135-143.

[1]	叶峰, 陈彪, 赖乙宗. 基于特征空间嵌入的对比知识蒸馏算法[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 13-23.
[2]	杨春玲, 凌茜, 吕泽宇. 特征域多假设预测视频压缩感知重构神经网络[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 80-90.
[3]	陈琼谢家亮. 基于自适应采样的不平衡分类方法[J]. 华南理工大学学报(自然科学版), 2022, 50(4): 26-34,45.
[4]	符锌砂, 彭锦辉, 曾彦杰, 等. 面向自动驾驶汽车的交通标线使用状况评估方法[J]. 华南理工大学学报(自然科学版), 2022, 50(11): 1-13.
[5]	张艳, 吴洛天, 王年, 等. 基于多模块关系网络的2D足迹分类[J]. 华南理工大学学报（自然科学版）, 2021, 49(6): 66-76.
[6]	谢杰辉, 牛富俊, 彭智育, 等. 滨海高速公路软基变形规律及沉降预测应用[J]. 华南理工大学学报（自然科学版）, 2021, 49(4): 97-107.
[7]	刘奇, 于斌, 孟祥成, 等. 基于转置卷积神经网络的路面裂缝识别算法[J]. 华南理工大学学报(自然科学版), 2021, 49(12): 124-132.
[8]	杨圣豪, 吴玥悦, 毛佳昕, 等. 基于半监督学习的涉及未成年人案件文书识别方法[J]. 华南理工大学学报(自然科学版), 2021, 49(1): 29-38,46.
[9]	杨春玲郑钊彪李金昊. CVS 中基于块分类的自适应阈值调整组稀疏重构[J]. 华南理工大学学报（自然科学版）, 2020, 48(8): 29-37,48.
[10]	栗云松, 聂琪, 罗永峰, 等. 基于应变能的网壳结构构件重要性分类方法[J]. 华南理工大学学报（自然科学版）, 2020, 48(5): 22-31.
[11]	刘建荣刘志伟. 基于出行者潜在类别的公交出行行为研究[J]. 华南理工大学学报（自然科学版）, 2019, 47(6): 119-126.
[12]	王伟凝李乐敏黄杰雄罗杰波徐向民. 基于多层次深度卷积神经网络的图像情感分类[J]. 华南理工大学学报（自然科学版）, 2019, 47(6): 39-50.
[13]	苏锦钿余珊珊李鹏飞 . 一种结合词性及注意力的句子情感分类方法[J]. 华南理工大学学报(自然科学版), 2019, 47(6): 10-17,30.
[14]	王建鹏宋娟刘欢. 单向分布式视频编码中迭代相关性噪声细化方法[J]. 华南理工大学学报（自然科学版）, 2019, 47(4): 27-34.
[15]	许玉格赖春伶罗飞. 基于不平衡分类的Bagging集成污水处理故障诊断[J]. 华南理工大学学报（自然科学版）, 2018, 46(8): 107-115.

基于单输出切比雪夫多项式神经网络的海洋矿物分类（英文）

Marine Mineral Classification Based on Single-Output Chebyshev-Polynomial Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价