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

دقت تشخیص اهداف زیرآبی با استفاده از تکنیکهای سنتی تشخیص هدف سونار که فاقد استحکام و دقت هستند با بهره گیری از الگوریتمهای یادگیری خودکار به طور قابل توجهی بهبود یافته اند. این تحقیق از ترکیبی از طبقه بندی کننده ها برای بهبود دقت طبقه بندی دادههای سونار برای کارهای پیچیده ای مانند شناسایی اهداف دریایی استفاده می.کند. هر طبقه بندی کننده الگوی داده خود را ایجاد کرده و یک مدل را حفظ میکند. در نهایت، یک فرآیند رای گیری وزنی توسط الگوریتم اتوماتای یادگیر فازی در بین این طبقه بندی کننده ها انجام میشود و طبقه بندی که بالاترین رای را دریافت میکند بیشترین تاثیر را بر بهبود عملکرد دارد. نتایج به دست آمده با پارامترهای تحلیلی، صحت، پوشش امتیاز F۱ و دقت بررسی و با آخرین تحقیقات مشابه مقایسه شده و به ترتیب مقادیر ۸۸.۶%، ۹۰.۲%، ۸۹.۰۲% و ۸۸.۶% برای هر یک از این پارامترها در روش پیشنهادی به دست آمده است.

Keywords:

دقت تشخیص , سونار , اهداف دریایی , یادگیری خودکار , اتوماتای یادگیر فازی