本文主要研究内容
作者陈兴伟（2019）在《深度学习船舶分类技术研究》一文中研究指出：为了提高船舶分类正确率,针对当前船舶分类方法存在的精度低、误差大等缺陷,提出基于深度学习的船舶分类方法。首先对船舶分类图像进行采集,并提取多个船舶分类特征,组成船舶分类的特征向量集,然后将特征向量集作为深度学习算法的输入,船舶类型作为深度学习算法的输出进行学习,建立船舶分类模型,最后进行船舶分类的仿真实验,结果表明,深度学习算法的船舶分类正确率超过90%,不仅可以很好地描述船舶类型,而且船舶分类的速度也很快,可以应用于日常船舶分类管理工作。
Abstract
wei le di gao chuan bo fen lei zheng que lv ,zhen dui dang qian chuan bo fen lei fang fa cun zai de jing du di 、wu cha da deng que xian ,di chu ji yu shen du xue xi de chuan bo fen lei fang fa 。shou xian dui chuan bo fen lei tu xiang jin hang cai ji ,bing di qu duo ge chuan bo fen lei te zheng ,zu cheng chuan bo fen lei de te zheng xiang liang ji ,ran hou jiang te zheng xiang liang ji zuo wei shen du xue xi suan fa de shu ru ,chuan bo lei xing zuo wei shen du xue xi suan fa de shu chu jin hang xue xi ,jian li chuan bo fen lei mo xing ,zui hou jin hang chuan bo fen lei de fang zhen shi yan ,jie guo biao ming ,shen du xue xi suan fa de chuan bo fen lei zheng que lv chao guo 90%,bu jin ke yi hen hao de miao shu chuan bo lei xing ,er ju chuan bo fen lei de su du ye hen kuai ,ke yi ying yong yu ri chang chuan bo fen lei guan li gong zuo 。
论文参考文献
论文详细介绍
论文作者分别是来自舰船科学技术的陈兴伟，发表于刊物舰船科学技术2019年14期论文，是一篇关于深度学习算法论文,船舶分类技术论文,灰度共生矩阵论文,分类正确率论文,舰船科学技术2019年14期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自舰船科学技术2019年14期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：深度学习算法论文; 船舶分类技术论文; 灰度共生矩阵论文; 分类正确率论文; 舰船科学技术2019年14期论文;