TY -的A2 - Du,沈盟,Kosarirad Houman AU - Ghasempour Nejati, Mobin盟——Saffari阿巴斯AU - Khishe,默罕默德盟-穆罕默迪莫PY - 2022 DA - 2022/11/14 TI -特征选择和训练多层感知器神经网络使用蚱蜢优化算法设计最优分类器的大数据声纳SP - 9620555六世- 2022 AB -大数据的复杂性和高维度声纳、以及不可避免的存在不需要的信号,如噪音,混乱,和声纳混响环境中传播,使大数据的分类声纳的一个最有趣的和适用的话题活跃的研究人员在这个领域。本文提出了蚱蜢的使用优化算法(果)训练多层感知器神经网络(MLP-NN)并选择最优特征大数据声纳(称为GMLP-GOA)。GMLP-GOA混合分类器首先提取实验使用MFCC声纳数据的特点。然后,选择最优的特征使用果阿。在最后一步中,MLP-NN训练与果用于大数据声纳进行分类。评估的性能GMLP-GOA,这个分类器与MLP-GOA相比,MLP-GWO, MLP-PSO, MLP-ACO,和MLP-GSA分类器的分类率,收敛速度,避免局部优化功率和处理时间。结果表明,GMLP-GOA实现分类率为98.12%的处理时间3.14秒。SN - 1687 - 725 - 2022/9620555 / 10.1155 x你——https://doi.org/10.1155/2022/9620555——摩根富林明——《传感器PB - Hindawi KW - ER