دسته‌بندي شناورها براساس طول آن‌ها با استفاده از صداي منتشره به كمك شبكه عصبي مصنوعي و هيبريد الگوريتم ازدحام ذرات

سامانه‌هاي سونار از جهات مختلفي از جمله كاربردهاي نظامي، كشتيراني، ماهي‌گيري و غيره داراي اهميت ويژه هستند. از اين‌رو طبقه‌بندي داده‌هاي سونار همواره مورد توجه متخصصان اين حوزه مي‌باشد. در اين مقاله از دو روش آماده‌سازي داده استفاده شد. در روش اول از كل ويژگي‌هاي استخراج‌شده از داده‌ها و در روش پيشنهادي از بازه زماني مورد استفاده براي استخراج ويژگي به‌صورت ده‌تايي ميانگين‌گيري شد. ساختارهاي مختلف شبكه عصبي مصنوعي و تلفيق شبكه عصبي با الگوريتم ازدحام ذرات (پي‌اِس‌اُو) براي دستيابي به بالاترين عملكرد در دسته‌بندي امواج صوتي منتشره شناورها براساس طول شناور مورد مقايسه قرار گرفتند. نتايج نشان دادند در حالت استفاده از ويژگي‌هاي استخراج‌شده به‌صورت خام در استفاده از شبكه عصبي مصنوعي، ساختار 2-2-2 در لايه پنهان داراي بالاترين عملكرد براي شرايط آموزش و آزمون برابر با 98/61 و 90 درصد بود. با استفاده از شبكه عصبي تلفيقي دقت طبقه‌بندي افزايش يافته و در شرايط آزمون به ميزان 94/44 درصد رسيد. در استفاده از روش پيشنهادي براي آماده‌سازي داده‌هاي استخراج‌شده، ساختار ساده يك‌لايه با شش نرون در لايه پنهان بالاترين ميزان عملكرد در طبقه‌بندي ويژگي‌هاي استخراج‌شده به ميزان 100 درصد براي آموزش و آزمون را ارائه داد.