| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章绪论 | 第8-12页 |
| 1.1 课题背景 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 本文任务与目标 | 第11-12页 |
| 第二章海底沉积物识别的理论基础与多波束系统工作原理 | 第12-20页 |
| 2.1 多波束系统 | 第12-15页 |
| 2.1.1 多波束系统组成 | 第12-13页 |
| 2.1.2 多波束系统工作原理 | 第13-14页 |
| 2.1.3 多波束系统特点和误差源 | 第14-15页 |
| 2.2 海底沉积物识别的理论基础 | 第15-17页 |
| 2.3 神经网络在海底沉积物识别中的应用 | 第17-19页 |
| 2.3.1 神经网络简介 | 第17-18页 |
| 2.3.2 神经网络的特点 | 第18-19页 |
| 2.3.3 使用神经网络的必要性 | 第19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章多波束数据分析处理流程 | 第20-28页 |
| 3.1 数据采集系统及数据格式介绍 | 第20-23页 |
| 3.1.1 EM122多波束测深系统 | 第20页 |
| 3.1.2ALL数据结构解析与XTF格式数据结构解析 | 第20-23页 |
| 3.2 水深数据处理 | 第23-27页 |
| 3.2.1 潮汐改正 | 第23-24页 |
| 3.2.2 声速校正 | 第24-25页 |
| 3.2.3 船姿分析 | 第25-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第四章海底沉积物类型识别 | 第28-40页 |
| 4.1 海底沉积物类型识别原理 | 第28-29页 |
| 4.2 海底沉积物分类反向散射规律和主要影响因素 | 第29-31页 |
| 4.3 反向散射强度数据处理 | 第31-36页 |
| 4.3.1 声线跟踪与海底地形影响 | 第32-33页 |
| 4.3.2 传播损失修正 | 第33-34页 |
| 4.3.3 波束脚印面积校正 | 第34-35页 |
| 4.3.4 Lambert法则改正 | 第35-36页 |
| 4.4 实例数据分析 | 第36-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章基于神经网络的海底沉积物类型识别研究 | 第40-53页 |
| 5.1 分类神经网络的选取 | 第40-42页 |
| 5.2 SVM神经网络的特点及工作方式 | 第42页 |
| 5.3 SVM神经网络的分类原理 | 第42-46页 |
| 5.3.1 最优分类面 | 第43-44页 |
| 5.3.2 核函数 | 第44-46页 |
| 5.4 SVM神经网络的分类算法 | 第46页 |
| 5.4.1 Chunking算法 | 第46页 |
| 5.4.2 分解算法 | 第46页 |
| 5.4.3SMO算法 | 第46页 |
| 5.5 SVM神经网络海底沉积物分类过程 | 第46-48页 |
| 5.5.1 特征量提取 | 第46-47页 |
| 5.5.2 成分分析 | 第47-48页 |
| 5.6 实例数据分析 | 第48-52页 |
| 5.7 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58页 |