基于W-SVM的数字通信调制模式分类技术的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10-11页 |
| ·调制模式分类的技术现状 | 第11-14页 |
| ·判决理论方法 | 第12页 |
| ·统计模式识别方法 | 第12-14页 |
| ·支持向量机发展现状 | 第14-15页 |
| ·研究内容及章节安排 | 第15-17页 |
| ·研究内容 | 第15-16页 |
| ·章节安排 | 第16-17页 |
| 第2章 调制信号的特征提取 | 第17-28页 |
| ·引言 | 第17-18页 |
| ·通信信号的基本特征参数 | 第18-19页 |
| ·数字调制信号 | 第19-26页 |
| ·二进制振幅键控(2ASK) | 第19-21页 |
| ·二进制频移键控(2FSK) | 第21-22页 |
| ·二进制移相键控(2PSK) | 第22-26页 |
| ·分类特征值的选取 | 第26-27页 |
| ·零中心归一化瞬时幅度的谱密度最大值 | 第26-27页 |
| ·零中心非弱信号段瞬时相位非线性分量的标准偏差 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 机器学习理论 | 第28-35页 |
| ·监督学习 | 第28-29页 |
| ·非监督学习 | 第29-30页 |
| ·学习和泛化性 | 第30-31页 |
| ·提高泛化性 | 第31-32页 |
| ·学习的价值和缺点 | 第32-33页 |
| ·用于学习的支持向量机 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于SVM的分类器设计 | 第35-45页 |
| ·引言 | 第35页 |
| ·线性支持向量机 | 第35-38页 |
| ·非线性支持向量机 | 第38-40页 |
| ·基于支持向量机的分类器的选取 | 第40-44页 |
| ·v-SVM | 第40-41页 |
| ·LS-SVM | 第41页 |
| ·DirectSVM | 第41-42页 |
| ·W-SVM | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 仿真实验研究 | 第45-49页 |
| ·性能仿真与分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第55-56页 |
| 致谢 | 第56页 |
