基于深层信念网络的太赫兹光谱识别研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本论文的主要研究内容及结构 | 第15-18页 |
| 1.3.1 论文的主要研究内容 | 第15页 |
| 1.3.2 论文结构 | 第15-18页 |
| 第二章 太赫兹光谱数据的采集与处理 | 第18-26页 |
| 2.1 太赫兹光谱数据的采集 | 第18-20页 |
| 2.1.1 光电导天线技术 | 第18-19页 |
| 2.1.2 光整流技术 | 第19-20页 |
| 2.1.3 空气等离子技术 | 第20页 |
| 2.1.4 太赫兹时域光谱系统 | 第20页 |
| 2.2 太赫兹光谱数据处理 | 第20-24页 |
| 2.2.1 Savitzky-Golay滤波器 | 第21-23页 |
| 2.2.2 插值与插值函数 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 基于深层信念网络的太赫兹光谱识别 | 第26-40页 |
| 3.1 深层神经网络概述 | 第26-27页 |
| 3.2 常用的深层神经网络模型 | 第27-31页 |
| 3.2.1 受限波尔兹曼机 | 第27-29页 |
| 3.2.2 自动编码器 | 第29-30页 |
| 3.2.3 卷积神经网络 | 第30-31页 |
| 3.3 KNN分类器 | 第31-32页 |
| 3.4 分类模型的构建 | 第32-35页 |
| 3.4.1 特征提取 | 第32-34页 |
| 3.4.2 分类 | 第34-35页 |
| 3.5 实验及结果分析 | 第35-39页 |
| 3.5.1 实验数据 | 第35-36页 |
| 3.5.2 实验设置 | 第36-37页 |
| 3.5.3 结果及分析 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 基于数据库检索技术的太赫兹光谱识别 | 第40-54页 |
| 4.1 太赫兹光谱数据库 | 第40-41页 |
| 4.2 LSH的理论基础 | 第41-45页 |
| 4.2.1 LSH算法 | 第41-43页 |
| 4.2.2 LSH函数族 | 第43-44页 |
| 4.2.3 LSH主要应用领域 | 第44-45页 |
| 4.3 距离度量方式 | 第45-46页 |
| 4.4 基于LSH的太赫兹光谱搜索方法 | 第46-47页 |
| 4.5 实验及结果分析 | 第47-53页 |
| 4.5.1 实验原型系统的构建流程 | 第47-48页 |
| 4.5.2 实验环境简介 | 第48页 |
| 4.5.3 系统核心部分设计及实现 | 第48-50页 |
| 4.5.4 实验数据 | 第50页 |
| 4.5.5 参数设置 | 第50页 |
| 4.5.6 结果及分析 | 第50-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间取得研究成果 | 第62页 |
