首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度卷积神经网络的特征优化与分类识别方法研究

摘要第4-6页
Abstract第6-7页
第1章 绪论第11-19页
    1.1 课题背景和意义第11-12页
    1.2 国内外研究综述第12-16页
        1.2.1 深度学习与卷积神经网络研究现状第12-13页
        1.2.2 特征提取与优化方法研究现状第13-16页
    1.3 当前研究存在的问题第16-17页
    1.4 本文研究内容及章节安排第17-19页
第2章 深度卷积神经网络工作原理及实现基础第19-26页
    2.1 引言第19页
    2.2 卷积神经网络技术原理第19-22页
        2.2.1 卷积神经网络的结构第19-21页
        2.2.2 卷积神经网络的学习过程第21-22页
    2.3 深度卷积神经网络的网络结构参数第22-23页
    2.4 卷积神经网络的实现基础第23-25页
        2.4.1 深度学习平台Caffe介绍第23-24页
        2.4.2 深度卷积神经网络在Caffe上的实现第24-25页
    2.5 本章小结第25-26页
第3章 基于DCNN的二分类问题的特征优化方法研究第26-39页
    3.1 引言第26-27页
    3.2 单输出DCNN权值矩阵分析方法第27-31页
        3.2.1 单输出DCNN的权值特性分析研究第27-29页
        3.2.2 基于单输出DCNN权值特性的特征筛选准则(TCFR-DCNN)第29-30页
        3.2.3 应用TCFR-DCNN对二分类问题进行特征优化第30-31页
    3.3 公共空间模式的二分类筛选自适应优化方法第31-34页
        3.3.1 公共空间模式技术原理第31-33页
        3.3.2 基于公共空间模式特征矩阵的DCNN结构参数选择第33-34页
        3.3.3 运用DCNN对公共空间模式特征矩阵进行自适应优化第34页
    3.4 EEG运动想象实验及结果分析第34-38页
        3.4.1 实验数据集第34-35页
        3.4.2 数据预处理第35页
        3.4.3 公共空间模式变换第35页
        3.4.4 优选特征集识别效果的实验验证及结果第35-37页
        3.4.5 公共空间模式的二分类筛选自适应优化方法对比实验及结果第37-38页
    3.5 本章小结第38-39页
第4章 基于DCNN的多分类问题特征优化方法研究第39-52页
    4.1 引言第39-40页
    4.2 基于DCNN的多分类问题特征筛选准则研究第40-44页
        4.2.1 不同信号长度归正方法第40页
        4.2.2 多分类问题的DCNN权值特性分析研究第40-42页
        4.2.3 基于多输出DCNN权值特性的特征筛选准则(MCFR-DCNN)第42-43页
        4.2.4 应用MCFR-DCNN对多分类问题进行特征优化第43-44页
    4.3 八分类语音情感识别实验及结果分析第44-51页
        4.3.1 实验数据集CHEAVD第44-45页
        4.3.2 语音情感特征提取第45-46页
        4.3.3 基于多分类特征优化的DCNN网络结构设计第46-47页
        4.3.4 计算优选特征集第47-48页
        4.3.5 优选特征集的识别结果对比实验及结果第48-50页
        4.3.6 优选特征集所包含特征的分析第50-51页
    4.4 本章小结第51-52页
第5章 基于DCNN的复杂特征优化方法研究第52-61页
    5.1 引言第52-53页
    5.2 基于DCNN的复杂特征筛选准则第53-57页
        5.2.1 复杂特征情况下的DCNN权值特性分析研究第53-54页
        5.2.2 基于DCNN权值特性的复杂特征优化准则(CFR-DCNN)第54-56页
        5.2.3 应用CFR-DCNN对复杂特征分类问题进行特征优化第56-57页
    5.3 多分类目标识别实验及结果分析第57-60页
        5.3.1 Image Net数据集介绍第57页
        5.3.2 图像预处理第57-58页
        5.3.3 基于复杂特征优化的DCNN网络结构设计第58-59页
        5.3.4 图像的特征评价矩阵的计算第59页
        5.3.5 基于特征优化后的目标识别实验及结果第59-60页
    5.4 本章小结第60-61页
结论第61-63页
参考文献第63-69页
攻读学位期间发表的学术论文第69-71页
致谢第71页

论文共71页,点击 下载论文
上一篇:越南商业银行信贷风险防范策略研究
下一篇:无锡纺织服装产业发展与空间布局研究