您的位置: 专家智库 > >

熊明宽

作品数:8 被引量:10H指数:2
供职机构:国家海洋局第二海洋研究所更多>>
发文基金:国家自然科学基金国家海洋局第二海洋研究所基本科研业务费专项海洋公益性行业科研专项更多>>
相关领域:天文地球更多>>

文献类型

  • 3篇期刊文章
  • 3篇专利
  • 2篇科技成果

领域

  • 5篇天文地球

主题

  • 5篇海底
  • 4篇图像
  • 3篇底质
  • 2篇遗传算法
  • 2篇遗传算法优化
  • 2篇声学
  • 2篇图像转换
  • 2篇局部极值
  • 2篇海底底质
  • 2篇海底地形
  • 1篇底质分类
  • 1篇地貌
  • 1篇地形
  • 1篇地形测量
  • 1篇地形地貌
  • 1篇东海外陆架
  • 1篇遗传小波神经...
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇神经网

机构

  • 8篇国家海洋局第...
  • 1篇国家海洋局第...

作者

  • 8篇李守军
  • 8篇熊明宽
  • 8篇吴自银
  • 7篇尚继宏
  • 3篇姚才华
  • 3篇罗孝文
  • 2篇曹振轶
  • 2篇王小波
  • 2篇张金辉
  • 2篇吴水根
  • 1篇唐秋华
  • 1篇吴振利
  • 1篇陶春晖
  • 1篇乔吉果

传媒

  • 1篇海洋学报
  • 1篇海洋技术
  • 1篇海洋通报

年份

  • 1篇2015
  • 1篇2014
  • 1篇2013
  • 3篇2012
  • 2篇2009
8 条 记 录,以下是 1-8
排序方式:
DX15区块海底地形地貌勘测与研究
吴自银吴水根张金辉李守军尚继宏吴振利王小波曹振轶姚才华熊明宽
1、自2004年9月29日至2005年8月2日执行了东海908-01-DX15区块的多波束及单波束勘测任务。调查区面积约为2404km2。已按合同任务书要求完成了该区块的海底地形地貌勘测任务。  2、区块勘测所使用的仪器...
关键词:
关键词:地形地貌波束
东海外陆架线状沙脊群精细结构及其成因机制研究
吴自银曹振轶李守军尚继宏吴水根张金辉姚才华熊明宽陶春晖王小波
1.课题来源:本研究课题属于国家自然科学基金资助的基础理论研究课题。2.目的意义:最新多波束测深资料所揭示的广泛分布于东海外陆架的线状沙脊群,不仅是潮控陆架较普遍的一种地质现象,也是东海古环境演化中极重要的一环。通过该课...
关键词:
关键词:外陆架
基于小波神经网络的海底声纳图像转换为声学底质类别方法
本发明所提供的基于小波神经网络的海底声纳图像转换为声学底质类别方法,利用遗传小波神经网络的算法,可进行局部分析,通过遗传算法优化网络初始参数,避免陷入局部较小,有效地避免了噪音和局部极值,使得由海底声纳图像转换为声学底质...
熊明宽吴自银李守军尚继宏
文献传递
基于船姿校正的GPS-RTK实时潮位测量系统
本实用新型公开的基于船姿校正的GPS-RTK实时潮位测量系统,包括岸基工作站和船载工作站;岸基工作站主要由连接在岸基上的第一支架及位于该第一支架上的第一GPS-RTK测量仪组成;船载工作站主要由设置在测量船上的第二支架、...
吴自银李守军熊明宽罗孝文尚继宏
文献传递
基于小波神经网络的海底声纳图像转换为声学底质类别方法
本发明所提供的基于小波神经网络的海底声纳图像转换为声学底质类别方法,利用遗传小波神经网络的算法,可进行局部分析,通过遗传算法优化网络初始参数,避免陷入局部较小,有效地避免了噪音和局部极值,使得由海底声纳图像转换为声学底质...
吴自银李守军熊明宽尚继宏
文献传递
基于SVM的海底声纳图像底质识别被引量:6
2012年
对海底底质声纳图像分割,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,优化支持向量机(SVM)参数。利用多分类SVM对砂、礁石、泥进行训练,有效、快速地分离出了3种底质类型,测试精度高于80%,表明该方法可有效用于海底底质声纳图像的识别和分类。
熊明宽吴自银李守军罗孝文唐秋华
关键词:参数优化特征向量
基于姿态校正的RTK潮位在琼州海峡地形测量中的应用
2012年
潮位改正是多波束地形勘测中的重要环节。琼州海峡跨海工程中分别利用验潮潮位和RTK潮位进行潮位改正,对比结果发现初始RTK潮位改正后的数据存在较大偏差,最大可达1.5m。通过对RTK测量潮位进行姿态校正后,其结果与验潮潮住的偏差减小,可以控制在0.3m以内。5-6月的琼州海峡正是西南季风爆发时间,海峡海流的流向具有复杂性,涨落潮都伴随着较大的风浪,RTK潮位测量忽略风浪带来的影响是出现较大误差的重要原因。
熊明宽吴自银姚才华李守军尚继宏罗孝文乔吉果
基于遗传小波神经网络的海底声学底质识别分类被引量:5
2014年
分割海底声纳探测图像,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,构建小波神经网络。利用遗传算法优化小波神经网络的初始权值及小波参数,对砂、礁石、泥3种底质类型分别进行训练,并得到3种底质的测试精度都在90%以上,优于单独利用小波神经网络进行训练时的测试精度,克服了小波神经网络训练时易陷入局部极小的固有缺陷,表明基于遗传算法的小波神经网络可有效用于海底底质声纳图像的识别和分类。
熊明宽吴自银李守军尚继宏
关键词:遗传小波神经网络底质分类声纳图像小波分析
共1页<1>
聚类工具0