一种基于深度嵌入式聚类神经网络的声速剖面聚类方法

    公开(公告)号:CN116451101A

    公开(公告)日:2023-07-18

    申请号:CN202310234960.3

    申请日:2023-03-13

    摘要: 本发明属于海洋声速剖面聚类技术领域,尤其涉及一种基于深度嵌入式聚类神经网络的声速剖面聚类方法。包括如下步骤:采用声速公式转换获得声速剖面数据集;对待聚类目标海域的月平均声速剖面数据集进行标准化处理作为训练数据集;搭建自编码器进行预训练;利用声速梯度数据集训练深度嵌入式聚类神经网络进行聚类,并将聚类结果可视化。本发明改进DEC算法将其应用于声速剖面聚类,将声速剖面特征提取步骤与聚类步骤链接起来,采用深度学习技术对2个步骤进行同时优化,得到更合理的聚类效果;且该优化过程基于深度学习神经网络自动运行完成,优化过程中不需要人为的干预,操作简便,可以推广应用于全球不同海域的声速剖面聚类,适用性广泛。

    一种基于AE自编码器的高分辨率声速剖面数据压缩方法

    公开(公告)号:CN116318170A

    公开(公告)日:2023-06-23

    申请号:CN202310323451.8

    申请日:2023-03-30

    摘要: 本发明属于海洋声速剖面数据压缩技术领域,尤其涉及一种基于AE自编码器的高分辨率声速剖面数据压缩方法。以高分辨率海洋再分析产品提供全球海域的数据,采用声速公式转换获得特定海域的海水声速剖面数据;用滑动插值方法补全高分辨率声速剖面数据集中的缺失数据,将归一化处理后的数据集划分训练集、测试集、验证集;搭建AE自编码器声速剖面数据压缩与重构网络,利用训练集与验证集对该网络进行迭代训练;采用训练好的AE自编码器声速剖面数据压缩与重构网络,压缩目标数据并重构,并评价其压缩性能。本发明提供了一种基于AE自编码器的高分辨率声速剖面数据压缩方法,显著压缩了海洋高分辨率声速剖面的数据量,并能够高精度地重构数据。

    基于去相关性字典的高分辨率声速剖面数据压缩方法

    公开(公告)号:CN117097344A

    公开(公告)日:2023-11-21

    申请号:CN202311053515.3

    申请日:2023-08-21

    IPC分类号: H03M7/30 G01C13/00

    摘要: 本发明属于海洋声学领域中的声速剖面数据压缩技术,使用去相关性字典算法对高分辨率声速剖面数据进行压缩。具体如下:基于全球高分辨率海洋再分析产品获取声速剖面数据,在训练集中等间隔选取原子列进行组合得到初始字典;对初始字典进行离散余弦变换;通过KSVD方法对字典进一步更新迭代;通过计算字典中所有不同原子列间的相关性,从而获得去相关性字典;基于去相关性字典,通过OMP方法得到对应声速剖面数据的稀疏编码矩阵;通过CSR方法实现对稀疏编码矩阵的存储。本发明实现了一种可行且高效的声速剖面数据压缩方案;在保持较高数据重构精度的前提下,高分辨率声速剖面数据压缩率可达75%以上,且整体计算效率提升约20%。