طبقه بندی بهینه اهداف سونار از طریق همجوشی تصمیم گیری پیشرفته مبتنی بر اتوماتای یادگیر فازی

Abstract

دقت تشخیص اهداف زیرآبی با استفاده از تکنیکهای سنتی تشخیص هدف سونار که فاقد استحکام و دقت هستند با بهرهگیری از الگوریتمهای یادگیری خودکار به طور قابل توجهی بهبود یافتهاند. ا ین تحقیق از ترکیبی از طبق هبندیکنندهها برای بهبود دقت طبقهبندی داد ههای سونار برای کارهای پیچید های مانند شناسایی اهداف دریایی استفاده میکند. هر طبقهبندیکننده الگوی داده خود را ایجاد کرده و یک مدل را حفظ م یکند. در نهایت، یک فرآیند رأ یگیری وزنی توسط الگوریتم اتوماتای یادگیر فاز ی در بین ای ن طبقهبندیکنندهها انجا م م یشود و طبق هبندی که بالاتری ن رأ ی ر ا دریاف ت م یکند، بیشترین تأثیر ر ا بر بهبود عملکرد دارد. نتایج به دست آمده با پارامترهای تحلیلی صحت، پوشش، امتیاز F1 و دقت بررسی و با آخرین تحقیقات مشابه مقایسه شده و به ترتیب مقادیر 6 / 88 ،% 2 / 90 ،% 02 / 89 % و 6 / 88 % برای هر یک از این پارامترها در روش پیشنهادی به دست آمده است.