图书介绍
智能水中目标识别PDF|Epub|txt|kindle电子书版本网盘下载
- 曾向阳著 著
- 出版社： 北京：国防工业出版社
- ISBN：9787118106893
- 出版时间：2016
- 标注页数：263页
- 文件大小：23MB
- 文件页数：276页
- 主题词：人工智能－自动识别
PDF下载
下载说明
智能水中目标识别PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 智能水中目标识别概述1
1.1 水中目标识别及其应用需求1
1.2 智能水中目标识别基本原理4
1.3 国内外研究现状6
1.3.1 信号预处理6
1.3.2 特征提取9
1.3.3 特征选择与融合11
1.3.4 分类决策方法13
第2章 水中目标微弱信号预处理方法17
2.1 水中目标信号的产生与传播机理18
2.1.1 目标辐射噪声18
2.1.2 水声通道21
2.2 水中目标信号的检测与采集方法27
2.3 水中目标信号的预处理方法32
2.4 提高水中目标微弱信号信噪比的方法36
第3章 水中目标噪声信号特征提取与选择方法44
3.1 频谱特征提取方法44
3.1.1 功率谱特征提取45
3.1.2 DEMON谱特征提取47
3.2 听觉特征提取方法47
3.2.1 响度特征提取48
3.2.2 MFCC特征提取49
3.2.3 PLP特征提取52
3.2.4 听觉特征性能对比实验55
3.3 可视化特征提取方法55
3.3.1 声信号可视化方法55
3.3.2 声信号的可视化特征提取方法63
3.3.3 可视化特征分类性能对比71
3.4 多维特征融合方法74
3.4.1 串联特征融合方法74
3.4.2 并联特征融合方法75
3.4.3 基于CCA方法的特征融合75
3.4.4 多种融合策略实验对比分析76
3.5 高维特征降维方法77
3.5.1 PCA特征降维方法77
3.5.2 LDA特征降维方法79
3.5.3 特征降维对分类识别的影响80
3.6 特征选择方法82
3.6.1 启发式特征选择83
3.6.2 基于迭代的ReliefF特征选择84
3.6.3 基于遗传算法的特征选择86
3.6.4 特征选择算法的比较实验89
3.6.5 基于粗糙集的特征选择方法94
第4章 水中目标识别分类器及其集成设计方法101
4.1 基于距离准则的分类器102
4.1.1 距离的种类103
4.1.2 距离分类器105
4.1.3 仿真实验108
4.2 反向传播神经网络分类器109
4.2.1 BP神经网络的训练110
4.2.2 用于水声目标识别的BP神经网络112
4.3 卷积神经网络分类器115
4.4 支持向量机分类器120
4.4.1 硬间隔支持向量机120
4.4.2 软间隔支持向量机122
4.4.3 支持向量机的非线性扩展123
4.4.4 仿真实验125
4.5 高斯混合模型分类器126
4.6 GMM-SVM分类器134
4.7 分类器集成设计方法136
4.7.1 分类器集成标准137
4.7.2 分类器集成类型138
4.7.3 分类器集成设计的主要问题140
4.7.4 基于度量层信息的分类器集成算法145
4.7.5 实验研究149
第5章 分类识别系统的鲁棒性增强方法151
5.1 加性噪声去除方法151
5.1.1 滤波器法152
5.1.2 自相关法158
5.1.3 相对自相关法159
5.1.4 谱减法161
5.1.5 仿真实验164
5.1.6 小波分析法169
5.1.7 经验模态分解法170
5.1.8 独立分量分析法171
5.2 卷积噪声去除方法172
5.2.1 RASTA滤波方法173
5.2.2 倒谱均值处理174
5.2.3 仿真研究178
5.3 小样本学习181
5.4 特征映射方法184
5.5 多层信息融合191
第6章 听觉场景分析理论在智能水中目标识别中的应用195
6.1 听觉场景分析基本理论196
6.2 基于听觉场景分析的特征提取199
6.3 计算听觉场景分析在信号去噪中的应用209
6.4 计算听觉场景分析在多源分类识别中的应用218
第7章 智能水中目标识别系统设计及实例229
7.1 智能水中目标识别系统软件设计229
7.2 智能水中目标识别系统硬件设计232
7.3 水中目标分类识别实例237
7.3.1 非混合目标辐射噪声的自动识别237
7.3.2 混合目标辐射噪声的分类识别242
第8章 智能水中目标识别发展趋势及新技术246
8.1 智能水中目标识别技术的发展趋势246
8.1.1 功能和技术指标发展趋势246
8.1.2 软硬件设计发展趋势247
8.1.3 关键技术发展趋势247
8.2 稀疏信号处理在水中目标识别中的应用248
8.2.1 稀疏信号处理理论248
8.2.2 稀疏信号处理理论在水中目标识别中的应用250
8.3 无监督学习方法在水中目标识别中的应用251
8.3.1 K均值聚类算法252
8.3.2 层次聚类算法252
8.3.3 自组射织映聚类算法253
8.3.4 模糊聚类算法253
8.4 深度学习理论及其在水中目标识别中的应用254
8.4.1 深度学习理论254
8.4.2 深度学习理论在水中目标识别中的应用255
参考文献259