Resumen

Este documento estudia un método avanzado de reconocimiento inteligente de objetivos submarinos basado en el sistema de visión de vehículos submarinos no tripulados (UUV). Este método se llama factorización de matriz no negativa bidimensional de núcleo (K2DNMF), que puede mejorar aún más la capacidad de operación submarina del sistema de visión UUV. Nuestras contribuciones se pueden resumir de la siguiente manera: (1) K2DNMF pretende utilizar el método de núcleo para la factorización de matrices tanto en las direcciones de columnas como de filas de los datos de imagen bidimensional para transformar el espacio de baja dimensionalidad original con no linealidad en un espacio de mayor dimensionalidad con linealidad; (2) En el método K2DNMF, se puede obtener una buena aproximación de subespacio a los datos originales mediante la restricción ortogonal en la matriz de base de columnas y la matriz de base de filas; (3) Las matrices de base de columnas y de filas pueden extraer la información característica de las imágenes de objetivos submarinos, y se diseña un clasificador

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Objetivo submarino; Sistema de visión UUV; Factorización de matrices no negativas bidimensionales del núcleo; Factorización de matrices; Información de características; Clasificador
• Keywords:Underwater target; UUV vision system; Kernel two-dimensional nonnegative matrix factorization; Matrix factorization; Feature information; Classifier