基于支持向量机的地震波形分类方法的研究
| 摘要 | 第2-3页 |
| abstract | 第3页 |
| 第一章 引言 | 第6-12页 |
| 1.1 研究背景及意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-10页 |
| 1.3 论文的研究内容和创新点 | 第10页 |
| 1.3.1 论文的主要研究内容 | 第10页 |
| 1.3.2 论文的主要创新点 | 第10页 |
| 1.4 本文的组织结构 | 第10-12页 |
| 第二章 地震波形分类原理分析 | 第12-22页 |
| 2.1 地震波形数据的预处理 | 第12-16页 |
| 2.1.1 地震数据插值 | 第12-13页 |
| 2.1.2 地震信号的降噪 | 第13-16页 |
| 2.2 层位追踪 | 第16-18页 |
| 2.3 地震波形数据的特征选取 | 第18-20页 |
| 2.3.1 特征提取 | 第18-20页 |
| 2.3.2 特征选择 | 第20页 |
| 2.4 分类算法 | 第20-22页 |
| 2.4.1 无监督分类 | 第20-21页 |
| 2.4.2 有监督分类 | 第21-22页 |
| 第三章 支持向量机研究 | 第22-35页 |
| 3.1 支持向量机原理 | 第22-27页 |
| 3.1.1 最优超平面 | 第22-23页 |
| 3.1.2 线性支持向量机 | 第23-25页 |
| 3.1.3 非线性支持向量机 | 第25-27页 |
| 3.2 支持向量机的多分类方法 | 第27-29页 |
| 3.2.1 一对一分类方法 | 第27-28页 |
| 3.2.2 一对多分类方法 | 第28页 |
| 3.2.3 有向无环图分类方法 | 第28页 |
| 3.2.4 纠错输出编码分类方法 | 第28-29页 |
| 3.3 基于决策树的支持向量机多分类方法 | 第29-35页 |
| 3.3.1 类间区分度 | 第29-30页 |
| 3.3.2 分类思想 | 第30-32页 |
| 3.3.3 决策树支持向量机训练过程 | 第32-33页 |
| 3.3.4 决策树支持向量机的分类 | 第33-35页 |
| 第四章 地震波形分类平台分析及设计 | 第35-49页 |
| 4.1 波形分类平台的需求分析 | 第35-39页 |
| 4.2 波形分类平台的设计 | 第39-49页 |
| 4.2.1 总体结构设计 | 第39-40页 |
| 4.2.2 类设计 | 第40页 |
| 4.2.3 模块设计 | 第40-43页 |
| 4.2.4 算法设计 | 第43页 |
| 4.2.5 界面设计 | 第43-49页 |
| 第五章 实验结果分析 | 第49-54页 |
| 5.1 实验基本流程 | 第49页 |
| 5.2 实验结果与分析 | 第49-54页 |
| 第六章 总结与展望 | 第54-55页 |
| 6.1 总结 | 第54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间的研究成果 | 第59-60页 |
| 致谢 | 第60-61页 |
