基于概率神经网络的无线电监测虚假数据的识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-11页 |
| 第一章 导论 | 第11-14页 |
| ·概述 | 第11-13页 |
| ·本论文研究的背景 | 第11-12页 |
| ·本论文研究的目的 | 第12-13页 |
| ·本论文的研究内容、拟解决的关键问题 | 第13页 |
| ·研究内容 | 第13页 |
| ·本论文拟解决的关键问题 | 第13页 |
| ·本文的内容安排 | 第13-14页 |
| 第二章 无线电监测数据获取和虚假信号产生的原因 | 第14-20页 |
| ·无线电监测数据的获得 | 第14-16页 |
| ·对无线电监测信号搜索的方式 | 第14-15页 |
| ·无线电监测信号获取的方式 | 第15-16页 |
| ·无线电监测产生虚假数据的原因 | 第16-19页 |
| ·外部原因产生的虚假信号 | 第16-17页 |
| ·短波产生虚假信号的原因及理论 | 第17-18页 |
| ·视距传播产生虚假信号的原因及理论模型 | 第18页 |
| ·设备产生虚假信号的原因 | 第18-19页 |
| ·外部骚扰产生的辐射虚假信号 | 第19页 |
| ·本章小节 | 第19-20页 |
| 第三章 概率神经网络的基本知识 | 第20-28页 |
| ·人工神经网络的基本知识 | 第20-23页 |
| ·人工神经元模型 | 第20-21页 |
| ·神经元网络结构 | 第21-22页 |
| ·反向传播学习算法 | 第22-23页 |
| ·概率神经网络 | 第23-25页 |
| ·PNN 网络 | 第24页 |
| ·PNN 算法 | 第24-25页 |
| ·贝叶斯基础知识 | 第25-27页 |
| ·贝叶斯模型 | 第25-26页 |
| ·贝叶斯模型选择 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 PNN 检测和识别虚假数据模型 | 第28-44页 |
| ·概率神经网络数学模型建立 | 第28-31页 |
| ·检测虚假信号模型需求 | 第28-29页 |
| ·概率神经网络数学模型建立 | 第29-31页 |
| ·概率神经网络样本和变量选择 | 第31-37页 |
| ·监测数据抽样样本 | 第31-34页 |
| ·单变量分析 | 第34页 |
| ·输入变量选择 | 第34-37页 |
| ·实验仿真结果 | 第37-42页 |
| ·MATLAB 简介 | 第37页 |
| ·MATLAB 实验仿真结果 | 第37-42页 |
| ·实际模型开发 | 第42-44页 |
| ·实际模型理论开发 | 第42-43页 |
| ·实际模型开发 | 第43-44页 |
| 第五章 总结和展望 | 第44-46页 |
| ·总结 | 第44页 |
| ·展望 | 第44-46页 |
| 参考文献 | 第46-48页 |
