基于动量自适应BP神经网络的鸢乌贼模式识别

摘要

近年来,计算机模式识别技术因其识别结果准确、快速,而不断被用于生物判别邻域.本文利用MATLAB软件实现动量自适应BP神经网络(back propagation neural networks)对西北印度洋、中东太平洋和南海3个海区的鸢乌贼角质颚及其胴长进行模式识别.研究结果显示,训练成型的神经网络收敛误差仅为4.416×10–2,加入动量和自适应学习率的BP神经网络对鸢乌贼地理种群的识别率有显著提高.3个海区的正确识别率分别为100％、88.89％和94.12％,总成功率为93.24％,说明角质颚外部形态和胴长可用于鸢乌贼地理种群的区分.而BP神经网络的其他学习算法,如梯度下降法、单一动量法和单一自适应法的总识别率分为74.32％,77.03％和87.84％.本研究的识别效果稳定,对于大样本训练集的识别率也高达92.77％,为头足类的种群判别提供了新的方法和思路.