特征空间偏移及开放类物联网设备的识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 物理层识别研究现状 | 第13-14页 |
| 1.2.2 设备特征迁移情况下个体识别研究现状 | 第14-17页 |
| 1.2.3 开放类检测识别研究现状 | 第17-18页 |
| 1.3 论文主要内容及安排 | 第18-20页 |
| 第2章 基于深度学习的物联网设备识别 | 第20-40页 |
| 2.1 物理层特征机理分析 | 第20-27页 |
| 2.2 深度学习的理论框架 | 第27-33页 |
| 2.3 改进的深度学习模型 | 第33-35页 |
| 2.4 结果分析 | 第35-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第3章 基于多分类迁移学习的物联网设备识别研究 | 第40-55页 |
| 3.1 迁移学习算法基本原理 | 第40-44页 |
| 3.2 多分类的迁移学习 | 第44-54页 |
| 3.2.1 基于拒绝采样的模型改进 | 第44-49页 |
| 3.2.2 基于多源辅助的模型改进 | 第49-50页 |
| 3.2.3 构建多分类迁移学习 | 第50-54页 |
| 3.3 本章小结 | 第54-55页 |
| 第4章 基于对抗生成网络的物联网开放类识别研究 | 第55-69页 |
| 4.1 GAN网络算法基本原理 | 第55-58页 |
| 4.1.1 GAN网络的关键技术 | 第55-56页 |
| 4.1.2 构建适用于无线信号的GAN模型 | 第56-58页 |
| 4.2 基于GAN的开放类识别模型 | 第58-68页 |
| 4.2.1 GAN开放类识别算法 | 第58-65页 |
| 4.2.2 实验结果 | 第65-68页 |
| 4.3 本章小结 | 第68-69页 |
| 第5章 总结与展望 | 第69-72页 |
| 5.1 论文总结 | 第69-70页 |
| 5.2 未来研究展望 | 第70-72页 |
| 攻读硕士学位期间发表的论文及参与的项目 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
