基于支持向量机的小麦碰撞声信号特征识别研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究的背景及意义 | 第8-9页 |
| 1.2 碰撞声检测方法的研究现状 | 第9-10页 |
| 1.3 论文研究内容与结构设计 | 第10-12页 |
| 第2章 小麦碰撞声信号的采集 | 第12-18页 |
| 2.1 实验装置 | 第12-16页 |
| 2.1.1 采集系统硬件设计 | 第12-13页 |
| 2.1.2 采集系统软件设计 | 第13-16页 |
| 2.2 实验材料与信号采集 | 第16-18页 |
| 第3章 支持向量机的基本原理 | 第18-30页 |
| 3.1 统计学习理论 | 第18-21页 |
| 3.1.1 学习过程一致性 | 第18-19页 |
| 3.1.2 推广性的界 | 第19页 |
| 3.1.3 结构风险最小化 | 第19-21页 |
| 3.2 支持向量机理论 | 第21-27页 |
| 3.2.1 最优分类面的构造 | 第22-25页 |
| 3.2.2 广义最优分类面 | 第25页 |
| 3.2.3 标准支持向量机 | 第25-27页 |
| 3.3 支持向量机的主要研究热点 | 第27-30页 |
| 3.3.1 支持向量机分类方法 | 第27-28页 |
| 3.3.2 核函数选择及其参数优化 | 第28-30页 |
| 第4章 基于二叉树支持向量机的小麦碰撞声分类研究 | 第30-44页 |
| 4.1 引言 | 第30页 |
| 4.2 相关理论 | 第30-35页 |
| 4.2.1 二叉树支持向量机的构造 | 第30-31页 |
| 4.2.2 类间分离性测度 | 第31-33页 |
| 4.2.3 分类算法的实现过程 | 第33-35页 |
| 4.3 基于二叉树支持向量机小麦碰撞声识别 | 第35-43页 |
| 4.3.1 实验流程 | 第35-36页 |
| 4.3.2 特征提取 | 第36-40页 |
| 4.3.3 SVM参数的设置 | 第40-42页 |
| 4.3.4 实验结果及分析 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 人工蜂群算法优支持向量机分类研究 | 第44-56页 |
| 5.1 引言 | 第44页 |
| 5.2 人工蜂群算法基本原理 | 第44-46页 |
| 5.3 ABC-SVM算法的实现 | 第46-48页 |
| 5.3.1 SVM参数的选择 | 第46-47页 |
| 5.3.2 算法的实现过程 | 第47-48页 |
| 5.4 特征提取 | 第48-53页 |
| 5.4.1 声信号的频谱分析 | 第48-50页 |
| 5.4.2 基小波的选择 | 第50-51页 |
| 5.4.3 计算特征参数 | 第51-53页 |
| 5.5 实验结果与分析 | 第53-54页 |
| 5.5.1 分类结果 | 第53-54页 |
| 5.5.2 时间复杂度分析 | 第54页 |
| 5.6 本章小结 | 第54-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 本文工作总结 | 第56页 |
| 6.2 本文创新点 | 第56-57页 |
| 6.3 未来工作展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-66页 |
| 攻读学位期间研究成果 | 第66页 |
