2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩88頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、水中目標識別分類技術因其在國防軍事中的特殊地位,一直備受海內外學者的關注。本文基于支持向量機(SVM)技術,對水中目標識別分類問題進行了深入的研究。在分析了支持向量機的基本理論、方法的基礎上,構建了結合工程實際的的快速算法,完成了基于支持向量機的三類水中目標識別分類方法,對實測水中目標輻射噪聲進行了特征提取和分類實驗,取得了滿意的效果。本論文的主要研究成果和創(chuàng)新如下: 1、分析了水中目標輻射噪聲的基本特性,包括輻射噪聲源類型、時

2、域特性和譜特性,特別說明了水中目標輻射噪聲具有“三非”特性的特點,即信道傳輸與接收系統多表現為非線性,噪聲信號具有非高斯和非平穩(wěn)性的特點。 2、基于高階統計量理論,分別研究了雙譜和維譜、倒雙譜及其降維譜的理論方法,分析了水中目標輻射噪聲的維譜和倒雙譜的降維譜的特征,構建了三類水中目標輻射噪聲的50維的維譜子帶能量特征和25維的倒雙譜的降維譜的“時域”能量特征。 3、基于小波變換理論,研究了三類水中目標輻射噪聲在5級變換尺

3、度下的特征差異,定義了水中目標輻射噪聲的尺度一能量衰減因子,構建了5維水中目標輻射噪聲的尺度一能量特征。 4、結合大規(guī)模訓練樣本的實際,研究了在訓練時間和內存占用方面都有出色表現的SMO快速訓練算法。在此基礎上,對該算法的緩存策略進行改進,產生了Cache-SMO算法。 5、對比研究了幾種常用的多類分類算法,結合水中目標識別分類的實際情況,構建了基于決策樹方法的SVM分類模型。 6、基于決策樹方法的SVM分類模型

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論