数据驱动的水下导航适配区分类预测,首发论文 -全讯担保网

您当前所在位置: 全讯担保网-0008全讯注册 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交pdf文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202406-67
论文题目 数据驱动的水下导航适配区分类预测
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:albert einstein,编入参考文献时写法:einstein a.

示例2:原姓名写法:李时珍;编入参考文献时写法:li s z.

示例3:yelland r l,jones s c,easton k s,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择doc或latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的doc文件
上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!

数据驱动的水下导航适配区分类预测

首发时间:2024-06-27

1   

黄若颖(2003-),女,主要研究方向:数据挖掘,深度学习

1   

曾繁慧(1970-),女,教授、硕导,主要研究方向:知识表示与数据挖掘理论及应用研究

  • 1、辽宁工程技术大学智能工程与数学研究院

摘要:针对导航系统对于复杂的水下地质特征和地下重力异常分布如何进行准确识别和分类适配区成为亟待解决的问题。传统分类方法在处理地质和重力数据的复杂性方面存在局限性,导致预测结果不够准确和可靠。开发一个有效的区域适配区分类预测模型,辅助导航系统在不同水下区域中进行决策变得十分重要。选择重力场坡度标准差、重力场粗糙度和重力异常差异熵作为初始特征属性指标,进行pearson相关性系数分析,发现重力异常值与重力场坡度标准差以及重力场粗糙度之间存在高度相关性,因此选取这两个特征作为模型输入。提出了黄金正弦搜索策略、反向学习和柯西变异扰动优化后的麻雀搜索算法,并将其与xgboost集成学习器结合,构建基于优化麻雀搜索算法的xgboost适配区分类预测模型。优化过程使模型更好地适应复杂的水下地质特征和地下重力异常分布。结果表明,该模型能够有效地将不同水下区域分类为适配区或非适配区。模型在实际应用中的分类准确性显著提高,能为导航系统在复杂环境中提供更为可靠的决策支持。

关键词:

for information in english, please click here

data-driven prediction of underwater navigation fitness zone classification

1   

黄若颖(2003-),女,主要研究方向:数据挖掘,深度学习

1   

曾繁慧(1970-),女,教授、硕导,主要研究方向:知识表示与数据挖掘理论及应用研究

  • 1、institute of intelligent engineering and mathematics, liaoning technical university, fuxin 123000, china

abstract:how to accurately identify and classify adaptive zones for complex underwater geological features and underground gravity anomaly distribution in navigation systems has become an urgent problem to be solved. traditional classification methods have limitations in dealing with the complexity of geological and gravity data, resulting in inaccurate and unreliable prediction results. developing an effective regional adaptation zone classification prediction model to assist navigation systems in making decisions in different underwater areas has become crucial. selecting the standard deviation of gravity field slope, gravity field roughness, and gravity anomaly difference entropy as initial feature attribute indicators, pearson correlation coefficient analysis was conducted. it was found that there is a high correlation between gravity anomaly values, gravity field slope standard deviation, and gravity field roughness. therefore, these two features were selected as model inputs. a golden sine search strategy, reverse learning, and cauchy mutation perturbation optimized sparrow search algorithm were proposed, and combined with the xgboost ensemble learner to construct an xgboost adaptation area classification prediction model based on the optimized sparrow search algorithm. the optimization process enables the model to better adapt to complex underwater geological features and underground gravity anomaly distribution. the results indicate that the model can effectively classify different underwater areas as adaptive or non adaptive zones. the classification accuracy of the model has significantly improved in practical applications, providing more reliable decision support for navigation systems in complex environments.

keywords:

click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

黄若颖,曾繁慧. 数据驱动的水下导航适配区分类预测[eb/ol]. 北京:中国科技论文在线 [2024-06-27]. https://www.paper.edu.cn/releasepaper/content/202406-67.

no.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

数据驱动的水下导航适配区分类预测

网站地图