地灾次声信号的分类识别
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 1.绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.2 次声信号分类的国内外研究现状 | 第13-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 2.次声信号分类的整体框架 | 第16-19页 |
| 2.1 次声信号的获取与预处理 | 第16-17页 |
| 2.2 次声信号的独立分量分析 | 第17页 |
| 2.3 次声信号的特征提取与选择 | 第17-18页 |
| 2.4 次声信号的分类算法 | 第18页 |
| 2.5 本章小结 | 第18-19页 |
| 3.独立分量分析 | 第19-25页 |
| 3.1 独立分量分析原理 | 第19-21页 |
| 3.2 快速独立分量分析 | 第21-23页 |
| 3.3 相空间重构的单通道独立分量分析 | 第23-24页 |
| 3.4 本章小结 | 第24-25页 |
| 4.特征提取 | 第25-38页 |
| 4.1 快速傅里叶变换 | 第25-28页 |
| 4.1.1 FFT的基本原理 | 第25-26页 |
| 4.1.2 基于FFT的地灾次声信号特征提取 | 第26-28页 |
| 4.2 小波变换 | 第28-32页 |
| 4.2.1 DWT的基本原理 | 第28-29页 |
| 4.2.2 基于DWT的地灾次声信号特征提取 | 第29-32页 |
| 4.3 希尔伯特-黄变换 | 第32-37页 |
| 4.3.1 HHT的基本原理 | 第32-35页 |
| 4.3.2 基于HHT的地灾次声信号特征提取 | 第35-37页 |
| 4.4 本章小结 | 第37-38页 |
| 5.分类算法的研究与实现 | 第38-58页 |
| 5.1 分类算法简述 | 第38-39页 |
| 5.2 人工神经网络 | 第39-49页 |
| 5.2.1 BP神经网络基本原理 | 第40-41页 |
| 5.2.2 基于BP网络的地灾次声信号分类识别 | 第41-49页 |
| 5.3 支持向量机 | 第49-57页 |
| 5.3.1 SVM基本原理 | 第49-53页 |
| 5.3.2 交叉验证 | 第53-54页 |
| 5.3.3 基于SVM的地灾次声信号分类识别 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 6.分类结果分析 | 第58-66页 |
| 6.1 地灾次声信号分类识别系统整体构成 | 第58-60页 |
| 6.1.1 试验数据 | 第59-60页 |
| 6.1.2 训练集数据与测试集数据 | 第60页 |
| 6.2 分类结果对比分析 | 第60-65页 |
| 6.2.1 分类准确率对比 | 第60-62页 |
| 6.2.2 分类时间对比 | 第62-64页 |
| 6.2.3 ICA与PCA的性能对比 | 第64-65页 |
| 6.3 本章小结 | 第65-66页 |
| 7.总结与展望 | 第66-68页 |
| 7.1 论文的主要工作和结论 | 第66-67页 |
| 7.2 对未来研究的展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
