基于粗糙集—遗传BP网络的油种鉴别研究

论文摘要

油类污染对海洋和环境的影响越来越严重,实时地、正确地监测溢油具有重大意义。对此,本文对比了国内外的溢油识别算法,分析了以往的人工神经网络激光荧光光谱识别速度较慢、精度不是很高的原因,提出了改进的BP算法,即基于遗传算法的遗传BP（GABP）算法和基于粗糙集理论及遗传算法的粗糙集-遗传BP（RS-GABP）算法。本文运用的是人工神经网络中应用最广泛的误差反向传播（BP）网络,核心工作是建立BP、GABP和RS-GABP激光荧光光谱分析识别模型,并利用激光遥感设备获取的光谱数据对这三种模型进行实验测试,测试主要针对它们的识别速度和精度,并得到了预期的结果。经实验测试得出:BP网络激光荧光光谱分析识别模型的最佳训练次数为42次,识别正确率为75%;GABP网络激光荧光光谱分析识别模型的最佳训练次数为25次,识别正确率为90%;RS-GABP网络激光荧光光谱分析识别模型的最佳训练次数为12次,识别正确率为95%。不管是在识别速度还是识别精度方面,GABP模型和RS-GABP模型都相对较高,尤其是RS-GABP模型,而BP网络由于其自身的缺点稍显逊色。实验结果表明,RS-GABP激光荧光光谱分析识别算法的绩效是最好的,它是一种很有潜力的算法。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 海上溢油识别系统的背景及现实意义
• 1.2 国内外研究的现状
• 1.3 海上溢油监测系统介绍
• 1.3.1 溢油监测方法
• 1.3.2 光谱信息分析识别技术
• 1.4 本课题的总体设计思路
• 第2章 激光诱导荧光技术监测溢油种类
• 2.1 海面油膜形成原因
• 2.2 激光遥感技术监测溢油原理
• 2.3 激光遥感系统
• 2.3.1 激光遥感系统工作机理
• 2.3.2 激光遥感系统研究热点和技术难点
• 第3章 粗糙集理论与粗糙集数据分析
• 3.1 粗糙集理论
• 3.1.1 粗糙集理论的背景
• 3.1.2 粗糙集理论的重要概念介绍
• 3.2 粗糙集数据分析（Rough set data analysis,RSDA）
• 3.3 RSDA基本算法
• 3.3.1 数据离散化
• 3.3.2 决策表约简
• 3.3.3 条件属性约简
• 3.3.4 求核值表
• 3.3.5 最小决策规则
• 3.4 基于粗糙集的BP网络设想
• 第4章 溢油识别的算法研究
• 4.1 BP网络技术研究
• 4.1.1 BP网络基本理论
• 4.1.2 BP网络的设计
• 4.1.3 BP网络的改进方法
• 4.2 遗传算法（GA）
• 4.2.1 遗传算法（GA）的基本思想
• 4.2.2 遗传神经网络基本原理
• 4.3 基于遗传算法的BP网络
• 4.3.1 遗传BP网络权值、阈值优化
• 4.3.2 遗传BP网络的网络结构优化
• 第5章 溢油识别的理论分析与建模
• 5.1 BP网络建模
• 5.2 GABP网络建模
• 5.3 RS方法的运用
• 第6章 激光实验及海上溢油识别系统的数据准备
• 6.1 实验设备
• 6.2 实验过程
• 6.3 实验结果
• 6.4 溢油光谱智能识别系统的数据准备
• 第7章 海上溢油识别系统的开发与结果测试
• 7.1 开发算法的工具
• 7.2 BP网络、遗传算法和粗集计算过程
• 7.3 实现步骤
• 7.3.1 M文件的编写
• 7.3.2 VC++6.0集成环境中建立MATLAB引擎程序
• 7.4 BP、遗传BP和粗集-遗传BP网络的识别结果
• 结论
• 参考文献
• 致谢
• 研究生履历