| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外的研究状况 | 第13-16页 |
| 1.2.1 内孤立波波-波相互作用研究现状 | 第13-15页 |
| 1.2.2 机器学习研究现状 | 第15-16页 |
| 1.3 论文的组织和安排 | 第16-19页 |
| 1.3.1 主要研究内容和创新成果 | 第16-17页 |
| 1.3.2 论文结构安排 | 第17-19页 |
| 2 二维内孤立波对撞相互作用实验 | 第19-32页 |
| 2.1 内孤立波及对撞相互作用简介 | 第19-21页 |
| 2.2 实验设计 | 第21-24页 |
| 2.3 实验数据 | 第24-31页 |
| 2.3.1 图像预处理 | 第24-28页 |
| 2.3.2 实验结果 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 机器学习概述 | 第32-36页 |
| 3.1 无监督学习 | 第32-33页 |
| 3.2 监督学习 | 第33页 |
| 3.3 半监督学习 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 基于监督学习的对撞相互作用的研究 | 第36-52页 |
| 4.1 基于支持向量机的对撞相互作用的研究 | 第36-46页 |
| 4.1.1 原理介绍 | 第36-39页 |
| 4.1.2 LIBSVM 简介 | 第39页 |
| 4.1.3 支持向量机实际应用举例 | 第39-43页 |
| 4.1.4 对撞相互作用的 SVM 实验及结果分析 | 第43-46页 |
| 4.2 基于K近邻法的研究 | 第46-50页 |
| 4.2.1 原理介绍 | 第46-48页 |
| 4.2.2 实验及结果分析 | 第48-50页 |
| 4.3 实验结果对比 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 5 基于半监督学习的对撞相互作用的研究 | 第52-58页 |
| 5.1 自训练算法简介 | 第52页 |
| 5.2 基于自训练的支持向量机算法的研究 | 第52-55页 |
| 5.2.1 球分类问题简介 | 第52-53页 |
| 5.2.3 算法步骤 | 第53-54页 |
| 5.2.4 实验及结果分析 | 第54-55页 |
| 5.3 基于自训练的K 近邻法的研究 | 第55-56页 |
| 5.3.1 算法步骤 | 第55页 |
| 5.3.2 实验及结果分析 | 第55-56页 |
| 5.4 实验结果对比 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 6 基于自训练的 SVM-KNN 半监督算法 | 第58-61页 |
| 6.1 算法介绍及实验结果 | 第58-60页 |
| 6.2 实验结果对比 | 第60页 |
| 6.3 本章小结 | 第60-61页 |
| 7 总结及展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68页 |
| 发表的学术论文 | 第68-69页 |