首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于流形聚类的多分量信号参数估计及分类方法研究

摘要第5-6页
ABSTRACT第6-7页
符号对照表第11-12页
缩略语对照表第12-15页
第一章 绪论第15-19页
    1.1 研究背景第15-16页
    1.2 国内外研究现状第16-17页
    1.3 本文研究内容和组织结构第17-19页
        1.3.1 论文主要研究内容第17-18页
        1.3.2 论文组织结构第18-19页
第二章 基于聚类方法的信号时频分布分析与参数估计第19-27页
    2.1 常用时频分析方法介绍第19-22页
        2.1.1 短时傅里叶变换第19-20页
        2.1.2 小波变换第20页
        2.1.3 魏格纳变换第20-21页
        2.1.4 重排频谱第21-22页
    2.2 常用流形聚类方法介绍第22-23页
    2.3 基于聚类的多分量信号参数估计第23-26页
    2.4 本章小结第26-27页
第三章 一种新的线性流形聚类算法第27-41页
    3.1 相关工作第27-29页
        3.1.1 广义主成分分析方法第27-28页
        3.1.2 基于局部子空间相似的谱聚类方法第28页
        3.1.3 K-flats聚类算法第28-29页
        3.1.4 谱曲率聚类第29页
    3.2 一种新的线性流形聚类算法第29-32页
    3.3 实验结果与分析第32-39页
        3.3.1 仿真数据实验第32-36页
        3.3.2 真实数据实验第36-39页
    3.4 本章小结第39-41页
第四章 流形聚类及其在多分量信号参数估计中的应用第41-55页
    4.1 常用非线性流形聚类算法第41-46页
        4.1.1 核谱曲率聚类算法第41-45页
        4.1.2 局部线性嵌入算法第45-46页
    4.2 基于交叠点的非线性流形聚类第46-48页
    4.3 改进初始采样的谱曲率聚类算法第48-54页
        4.3.1 谱曲率聚类算法第49-50页
        4.3.2 改进初始采样的SCC算法第50-52页
        4.3.3 实验结果与分析第52-54页
    4.4 本章小结第54-55页
第五章 高超声速目标的雷达辐射源信号处理与识别第55-71页
    5.1 临近空间简介第55页
    5.2 高超声速目标辐射源检测信号处理方法研究第55-62页
        5.2.1 匀速目标辐射源检测信号处理第55-57页
        5.2.2 匀加速目标辐射源检测信号处理第57-59页
        5.2.3 仿真实验结果与分析第59-62页
    5.3 高超声速目标辐射源信号识别方法研究第62-69页
        5.3.1 基于支持向量机的高超声速目标辐射源信号处理与识别第62-65页
        5.3.2 基于权重马氏距离的在线雷达辐射源识别方法第65-69页
    5.4 本章小结第69-71页
第六章 总结与展望第71-73页
    6.1 总结第71-72页
    6.2 展望第72-73页
参考文献第73-77页
致谢第77-79页
作者简介第79-80页

论文共80页,点击 下载论文
上一篇:高职艺术类院校学生就业质量问题探讨--以山东A艺术职业学院为例
下一篇:丽江市非政府组织参与水生态建设存在的问题及对策研究