首页--军事论文--中国军事论文--各种武装力量(各军、兵种)论文--海军论文

基于深度学习方法的水下目标识别技术研究

摘要第4-6页
ABSTRACT第6-7页
第一章 绪论第12-26页
    1.1 研究背景与意义第12-13页
    1.2 研究现状及发展趋势分析第13-24页
        1.2.1 水下目标识别技术的智能化趋势第13-18页
        1.2.2 深度学习及人工智能技术发展现状第18-20页
        1.2.3 深度学习开发环境介绍第20-24页
    1.3 研究内容及工作安排第24-26页
第二章 水下目标识别基本理论第26-50页
    2.1 引言第26页
    2.2 水下目标噪声特性分析第26-27页
    2.3 目标特征选取第27-39页
        2.3.1 信号短时分析技术第28页
        2.3.2 目标MFCC特征第28-32页
        2.3.3 目标GTCC特征第32-36页
        2.3.4 目标功率谱密度特征第36-37页
        2.3.5 海试数据处理第37-39页
    2.4 目标特征学习及识别原理第39-49页
        2.4.1 水下目标识别基本流程第40-42页
        2.4.2 特征降维分析第42-44页
        2.4.3 特征学习及模型预训练第44-45页
        2.4.4 识别模型性能评估第45-49页
    2.5 本章小结第49-50页
第三章 基于浅层机器学习算法的水下目标识别技术研究第50-64页
    3.1 引言第50页
    3.2 K近邻模型第50-53页
    3.3 支持向量机模型第53-58页
    3.4 海试数据处理及样本集建立第58-59页
    3.5 识别模型预训练及性能评估第59-62页
    3.6 本章小结第62-64页
第四章 基于深度学习算法的水下目标识别技术研究第64-82页
    4.1 引言第64页
    4.2 目标时序特征样本生成方法第64-68页
    4.3 基于卷积神经网络学习算法的水下目标识别模型第68-76页
        4.3.1 卷积神经网络模型原理第68-75页
        4.3.2 海试数据处理及样本集建立第75页
        4.3.3 识别模型预训练及性能评估第75-76页
    4.4 基于深度置信网络学习算法的水下目标识别模型第76-81页
        4.4.1 深度置信网络模型原理第77-79页
        4.4.2 海试数据处理及样本集建立第79-80页
        4.4.3 识别模型预训练及性能评估第80-81页
    4.5 本章小结第81-82页
第五章 水下目标识别模型的多种泛化性能分析第82-104页
    5.1 引言第82页
    5.2 识别模型的目标类型泛化性试验第82-91页
        5.2.1 问题描述第82-83页
        5.2.2 目标类型泛化性试验方案设计及海试数据处理第83-85页
        5.2.3 识别模型预训练及性能评估第85-86页
        5.2.4 试验结果分析第86-91页
    5.3 识别模型的航次泛化性试验第91-97页
        5.3.1 问题描述第91-92页
        5.3.2 目标航次泛化性试验方案设计及海试数据处理第92-93页
        5.3.3 模型预训练及性能评估第93页
        5.3.4 试验结果分析第93-97页
    5.4 识别模型的目标信号信噪比泛化性能试验第97-102页
        5.4.1 问题描述第97-98页
        5.4.2 目标信号信噪比泛化性试验方案设计及海试数据处理第98-101页
        5.4.3 试验结果分析第101-102页
    5.5 本章小结第102-104页
第六章 水下目标智能识别方案第104-118页
    6.1 引言第104页
    6.2 基于智能学习算法的水下目标快速识别第104-105页
    6.3 水下目标智能识别方案第105-109页
        6.3.1 水下目标智能识别模型预训练模块第106页
        6.3.2 水下目标智能识别模块第106-109页
    6.4 水下目标智能识别系统软件设计第109-113页
        6.4.1 识别软件基本结构第110页
        6.4.2 识别软件操作步骤第110-113页
    6.5 海试数据处理及系统实时性测试第113-115页
    6.6 本章小结第115-118页
第七章 总结与展望第118-122页
    7.1 全文总结第118-119页
    7.2 未来研究工作展望第119-122页
致谢第122-124页
参考文献第124-129页
攻读学位期间发表的论文第129-130页
附录第130-150页
    附录1 目标类型泛化性试验中CNN、DBN模型预训练误差曲线第130-137页
    附录2 目标类型泛化性试验模型性能评估结果第137-146页
    附录3 目标航次泛化性试验中CNN、DBN模型预训练误差曲线第146-148页
    附录4 目标航次泛化性试验模型性能评估结果第148-150页

论文共150页,点击 下载论文
上一篇:具有聚集诱导发光特性的荧光探针用于多组分检测和免疫分析传感的研究
下一篇:危险源探测与救援机器人机构设计与运动研究