基于支持向量机的水中目标识别技术研究
| 第一章 绪论 | 第1-15页 |
| ·研究背景及意义 | 第8页 |
| ·水中目标识别的研究现状与发展趋势 | 第8-12页 |
| ·输入特征向量构建 | 第10-11页 |
| ·分类器设计 | 第11-12页 |
| ·数据挖掘与支持向量机 | 第12-14页 |
| ·数据挖掘 | 第12页 |
| ·支持向量机 | 第12-14页 |
| ·本文主要工作及内容安排 | 第14-15页 |
| 第二章 舰船辐射噪声特性分析及分析方法 | 第15-26页 |
| ·舰船辐射噪声类型 | 第15-17页 |
| ·舰船辐射噪声的谱特性 | 第17-18页 |
| ·高阶统计量理论 | 第18-21页 |
| ·随机向量的特征函数 | 第18-19页 |
| ·高阶矩与高阶累积量的定义 | 第19-20页 |
| ·高阶矩谱与高阶累积量谱的定义 | 第20-21页 |
| ·小波分析理论 | 第21-25页 |
| ·连续小波变换 | 第22-25页 |
| ·离散小波变换 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 舰船辐射噪声综合特征分析及特征构建 | 第26-47页 |
| ·舰船辐射噪声的双谱分析方法 | 第26-29页 |
| ·双谱的性质与估计算法 | 第26-28页 |
| ·舰船辐射噪声的双谱分析 | 第28-29页 |
| ·舰船辐射噪声的1 1／2谱分析方法 | 第29-36页 |
| ·1 1／2维谱的定义与性质 | 第29-31页 |
| ·二次相位耦合的1 1／2维谱分析 | 第31-32页 |
| ·1 1／2维谱的计算方法与计算量 | 第32-33页 |
| ·舰船辐射噪声1 1／2维谱分析与特征构建 | 第33-36页 |
| ·舰船辐射噪声的2 1／2维谱分析方法 | 第36-42页 |
| ·实谐波过程的四阶累积量及其对角切片分析 | 第37-39页 |
| ·舰船辐射噪声2 1／2维谱分析与特征构建 | 第39-42页 |
| ·舰船辐射噪声尺度—能量特征分析 | 第42-46页 |
| ·舰船辐射噪声综合特征构建 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第四章 舰船辐射噪声特征优化问题的研究 | 第47-55页 |
| ·特征问题的提出 | 第47-48页 |
| ·特征提取与特征选择的概念与方法 | 第48-49页 |
| ·特征提取与特征选择的基本概念 | 第48-49页 |
| ·特征提取与特征选择的具体方法 | 第49页 |
| ·K-L变换 | 第49-53页 |
| ·K-L变换的基本原理 | 第50-51页 |
| ·K-L变换的产生矩阵 | 第51-53页 |
| ·基于K-L变换的舰船辐射噪声综合特征优化 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 水中目标支持向量机分类识别算法的研究 | 第55-77页 |
| ·机器学习的基本理论 | 第55-58页 |
| ·机器学习的基本模型 | 第55-56页 |
| ·经验风险最小化 | 第56-57页 |
| ·复杂性与推广能力 | 第57-58页 |
| ·统计学习理论的核心内容 | 第58-60页 |
| ·VC维 | 第58-59页 |
| ·推广性的界 | 第59页 |
| ·结构风险最小化 | 第59-60页 |
| ·支持向量机 | 第60-67页 |
| ·最优分类超平面 | 第61-64页 |
| ·支持向量机 | 第64-65页 |
| ·核函数 | 第65-66页 |
| ·仿真数据分类试验 | 第66-67页 |
| ·实现多类模式识别的支持向量机 | 第67-69页 |
| ·基于标准支持向量机的水中目标分类试验 | 第69-72页 |
| ·最小二乘支持向量机 | 第72-76页 |
| ·最小二乘支持向量机的实现 | 第73-74页 |
| ·分类试验与结果分析 | 第74-76页 |
| ·本章小结 | 第76-77页 |
| 第六章 全文总结 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 发表论文与参加科研情况 | 第83-84页 |
| 致谢 | 第84-85页 |
| 西北工业大学业学位论文知识产权声明书 | 第85页 |
| 西北工业大学学位论文原创性声明 | 第85页 |
