热带海洋学报

作者：杨柳青青, 储莫闲, 刘必林, 孔祥洪

单位：1.上海海洋大学信息学院, 上海 201306；2.上海海洋大学海洋科学学院, 上海 201306；3.国家远洋渔业工程技术研究中心, 上海 201306；4.农业农村部大洋渔业开发重点实验室, 上海201306；5.农业农村部大洋渔业资源环境科学观测实验站, 上海201306；6.大洋渔业资源可持续开发教育部重点实验室, 上海 201306

关键词：BP神经网络,鸢乌贼,角质颚,种群区分,模式识别,

基金：国家重点研发计划(2019YFD0901404);国家自然科学基金面上项目(41876141);上海市高校特聘教授“东方学者”岗位计划项目(0810000243)(0810000243);上海市科委地方高校能力建设项目(20050501800);上海市科技创新行动计划(19DZ1207502)

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。

来源：2021年第6期

《热带海洋学报》期刊编辑部

查看热带海洋学报杂志2021年第6期