论文部分内容阅读
随着海洋战略的兴起,世界主要发达国家逐渐将目光聚焦到海洋矿产资源上。其中,大洋钴结壳作为21世纪最具有商业开采价值的海洋战略资源,得到了各国的日益重视。目前,,以美国为首的西方发达国家已经完成了深海钴结壳的勘探、开采技术基础研究工作。为加快我国深海钴结壳的勘探、开采关键技术研究的步伐,在国家自科基金项目“钴结壳采集机器人采掘机理及采掘机构优化设计研究”的资助下,本论文对海底钴结壳回声识别技术做了相关研究。本文首先将应用于沉积物回波特征提取两种有代表性的小波域特征提取方法：小波尾波包络和小波模极大值特征提取方法应用于钴结壳矿床底质回波特征提取问题上。通过对比实验,指出相对于表面平整的沉积物,钻结壳等底质由于受表面地形起伏因素的影响,两种小波域特征样本在特征空间中的分布出现不同程度的退化,线性降维和线性分类效果变差。为改善线性分类效果,本文引入了基于核空间的两种非线性方法：KFDA(Kernel Fisher Discriminant Analysis)非线性降维方法和LSSVM (Least Square Support Vector Machine)非线性分类方法,并将这两种方法应用于钻结壳回声识别问题上。实验结果表明,应用KFDA方法能够有效地抽取出样本的非线性鉴别特征,改善了样本在降维特征空间中的分布；应用LSSVM方法能够提高底质分类效果。为进一步改善分类效果,本文在CCA(Canonical Correlation Analysis)和ECCA(Enhanced CCA)线性特征融合方法的基础上,提出了基于核空间的KECCA(Kernal ECCA)非线性特征融合方法,并结合PLS(Partial Least Square)分类器提出了KECCA+PLS的非线性特征融合识别模型。实验结果表明,应用本文提出的非线性特征融合识别模型,能够进一步提高底质分类效果。最后,本文对主要的19种钻结壳矿床底质应用KECCA+PLS的非线性特征融合识别模型做了全面的实验。实验中,钻结壳平均正确识别率达到了90.2%,平均钻结壳错判率仅为3.1%,取得了不错的钻结壳识别效果。本文的研究不仅为钴结壳识别提供了理论基础,同时还对海底矿产资源的识别提供了良好的理论借鉴,为我国深海采矿提供了有效技术支持。