一、混合遗传BP算法在图象识别中的应用（论文文献综述）
李维良,叶三星[1]（2011）在《遗传BP算法在双色球彩票预测中的应用》文中研究说明介绍了目前双色球彩票的现状,以及统计方法预测的不足,分析了BP算法和遗传算法的特点及不足,提出了遗传BP算法。基于遗传BP算法,建立了双色球预测模型,并对近100期双色球的数据进行实验验证。实验结果表明预测模型比较成功,能够在一定程度上帮助彩民朋友进行彩票选号。
章毓晋[2]（2008）在《中国图像工程:2007》文中研究说明该文是关于中国图像工程的年度文献综述系列之十三。为了使国内广大从事图像工程研究和图像技术应用的科技人员能够较全面地了解国内图像工程研究和发展的现状,并能够方便地查询有关文献,现从2007年在国内15种有关图像工程重要中文期刊的共118期上发表的3312篇学术研究和技术应用文献中,选取出895篇属于图像工程领域的文献,并根据各文献的主要内容将其分别归入图像处理、图像分析、图像理解、技术应用和综述5个大类,然后进一步分入23个专业小类（与去年相同）。在此基础上还进行了各期刊各类文献的统计和分析。根据统计分析结果可看到我国图像工程在2007年许多新进展的情况。特别值得指出,在上述15种期刊上所发表的图像工程文献数量在2007年有大幅增加并达到历史最高,显示了图像工程研究在中国继续发展的趋势。
胡平芳,徐小林[3]（2006）在《遗传算法和神经网络在图像识别中的应用》文中研究说明针对BP算法在神经网络学习中的一些缺点,将遗传算法应用于BP神经网络的网络学习中,提出了一种BP-GA算法。最后,应用神经网络对图像进行智能识别,实验结果证明它比单纯的BP算法有更佳的结果。
韩廷[4]（2006）在《遗传BP算法在结构动力检测中的应用研究》文中研究指明在所有的动力损伤检测方法中,基于频率改变的方法属于发展最早的利用动力参数变化检测结构损伤的方法,也在不断的改进和发展中展现出其测试简便准确、应用方便等优点。本文正是从此研究内容的基础上,借鉴国内有关平面刚架裂纹识别的研究成果,结合神经网络、遗传算法以及将二者相结合的遗传BP算法这些优化方法,运用MATLAB程序工具箱展开研究。其主要内容就是根据结构受迫振动特性,利用试验测得两根不同物理性质悬臂梁在受损伤产生裂纹前后的固有频率改变量,使用BP网络、遗传算法、遗传BP算法,建立了结构损伤的位置、程度与结构固有频率损伤前后改变量之间的关系模型。通过对三种算法的分析,得出遗传BP算法在三种方法之中收敛速度更快、精度更高,比单独使用BP网络或遗传算法具有很大的优越性,可以成功的运用到结构裂纹识别的分析中。并得出识别结果与结构所使用材料性质没有直接关系,因此该方法可广泛应用于各类结构构件。
高经纬,张培林,李峰,任国全[5]（2004）在《遗传算法和神经网络在铁谱图象识别中的应用》文中研究表明针对BP算法在神经网络学习中的一些缺点,将遗传算法应用于BP神经网络的网络学习中,提出了一种BP-GA算法。最后,应用神经网络对铁谱图象进行智能识别,实验结果证明它比单纯的BP算法有更佳的结果。
刘志德[6]（2002）在《带新型混合算法的神经网络及其应用》文中认为人工神经网络、模拟退火算法和遗传算法的研究是当代信息科学技术的前沿和热点，对非线性系统辨识和预测等方面具有重要的理论和应用价值。本文系统深入地研究了神经网络、模拟退火算法和遗传算法，结合系统辨识理论和最优化技术，提出了三种新型的混合算法。以深层火山岩储层预测为应用背景，利用上述三种新型混合算法，得到了带新型混合算法的径向基函数神经网络、带新型混合模拟退火算法的神经网络和带新型混合遗传算法的神经网络，完成了对复杂非线性油藏系统的建模和油气识别。本文主要完成以下研究工作： Karayiannis等人提出了一种二阶算法，该算法在推导时作了若干简化，特别是Hessian阵公式的简化过于牵强，丢失了一些有用信息，使算法的性能受到一定的影响，并且算法的推导不彻底，致使算法的计算量仍比较大，针对这些问题，提出了一种新型二阶学习算法，并证明了它与Newton迭代算法等价和具有二阶收敛速度。由算法性能分析和仿真应用表明了新算法优于Karayiannis的二阶学习算法。 本文系统研究了径向基函数神经网络的原理，提出了一种优选聚类算法，并将该算法与正交最小二乘法和最优化技术中的梯度法相结合，提出了一种新型的混合算法，用该混合算法来辨识径向基函数神经网络的结构、参数和权值。研究了模拟退火算法的原理及其设计与实现，在此基础之上，本文提出了一种带自适应冷却进度表的模拟退火算法，并将该算法与最优化技术中的Powell算法相结合，提出了一种新型的混合算法，应用该混合算法来辨识多层前向神经网络的权值。研究了遗传算法的原理及其设计与实现，考虑到误差反向传播算法收敛速度慢和可能收敛到局部极小点的不足和单独利用遗传算法往往只能在短时间内寻找到全局最优解的近似值（次优解），将遗传算法和误差反向传播算法相结合，提出了遗传BP算法，用该算法来辨识多层前向神经网络的权值。 将本文提出的带新型混合算法的神经网络应用于火山岩的油气识别，应用表明了本文提出的方案的有效性。
郭达志,胡召玲,陈云浩[7]（2000）在《GIS中空间对象的不确定性研究》文中研究指明重点讨论了空间数据不确定性的概念、模型及研究方法．建议用目标模型和场模型来分别表示两类不同的空间对象．论述了空间统计学、模糊集理论、粗集理论、遗传算法、反思模型等在数据不确定性研究中的应用，并给出了若干应用例子．
颜佳泉[8]（2018）在《船舶辐射噪声状态特征增强与提取方法研究》文中提出船舶辐射噪声是水声信号中最为丰富的信息之一。经过长距离的水声信道传输,它不可避免地会受到海洋背景噪声和瞬态信号干扰。如何从微弱的水声信号中提取船舶辐射噪声与其内在的信号特征是水声信号处理研究方向的技术难点和热点之一。船舶辐射噪声状态特征增强和提取方法研究对水下声呐识别系统的性能提升具有重要作用。本论文将从船舶辐射噪声状态特征增强与提取技术的深入研究来进一步改善船舶辐射噪声识别的效果。本论文以船舶辐射噪声为研究对象,着眼于低信噪比情况下的状态特征增强与提取方法在船舶辐射噪声识别中的应用研究。随着船舶减振降噪、消声设备和隐身技术的飞速发展,造成了船舶辐射噪声声级逐年降低,甚至在近距离处就完全淹没在海洋背景噪声中,使得传统的水声信号状态特征增强与提取方法的性能大幅度下降。因此,本文对共振稀疏分解（Resonance-based Sparsity Signal Decomposition,RSSD）算法、流形学习（Manifold Learning,ML）理论和 Gabor图像特征提取方法展开了深入的研究,并将结合上述理论提出的新方法应用于船舶辐射噪声识别问题。论文的主要研究工作概括如下:（1）提出了一种结合RSSD算法和希尔伯特边际谱（Hilbert marginal spectrum,HMS）方法的状态特征增强和特征提取方法,该方法适用于低信噪比情况下对船舶辐射噪声进行状态特征增强和提取。首先,采用RSSD算法将一维的船舶辐射噪声分解为低振荡分量、高振荡分量和残差分量,其中高振荡分量是目标信号中的振动信息,低振荡分量是非振荡的瞬态干扰,残差分量主要包含了噪声。由于船舶辐射噪声具有内在固有的振荡特性,它能很好地保留在高振荡分量中,同时摒弃低振荡分量和残差分量以达到抑制噪声和瞬态干扰的目的。RSSD算法的优点在于它可消除带内的噪声和瞬态干扰。其次,利用HMS算法对高振荡分量提取特征参数。最后,采用支持向量机分类器（Support Vector Machine,SVM）对提取的HMS特征参数进行分类识别。在不同信噪比情况下,分类结果验证了该方法相比HMS方法拥有更好的识别性能,其平均正确识别率至少比对比方法提高了 3.7%。（2）提出了共振时频流形（Resonance-based Time-frequency Manifold,RTFM）算法,该方法适用于更低信噪比情况下微弱船舶辐射噪声的状态特征增强。该算法主要由以下四个步骤组成:首先,利用RSSD算法提取一维原始信号的高振荡分量,它包含了信号的振荡信息;其次,利用相空间重构（Phase Space Reconstruction,PSR）算法将一维的高振荡分量映射到高维相空间,保留了信号的非平稳性和非线性,同时也将噪声映射到了高维相空间;然后,施加时频分布（Time-frequencydistribution,TFD）技术于高维相空间中每一个信号,以获取其时频图;最后,采用ML算法对获取的所有时频图像进行数据降维处理,获取低维流形信息。另外,对获取的第一、二个低维流形进行比例加法处理,从而获取更好的去噪效果。该方法对一维原始信号和高维相空间中的二维时频图都进行了状态特征增强,同时综合考虑船舶辐射噪声的振荡性、非平稳性和非线性三种特性。本文针对两种情况进行了实验,一是在同一信噪比情况下对两种不同类型的船舶辐射噪声进行了实验分析,二是在不同信噪比情况下对同一种船舶辐射噪声开展了实验结果讨论。我们可以从实验结果分析得到以下结论:RTFM算法的状态特征增强性能优于时频流形（Time-frequency Manifold,TFM）算法。（3）将一维信号特征提取转化为二维图像特征提取,对二维的RTFM施行Gabor特征提取,以获取有效的图像纹理特征向量。对提取RTFM的纹理特征向量,利用SVM分类器进行分类识别。分类结果验证了基于RTFM算法的状态特征增强和特征提取方法的有效性,并且其最终的正确识别率高于TFM算法。针对上述方法,本论文的创新工作可归纳为以下三个方面:（1）提出了结合RSSD算法和HMS算法的状态特征增强和提取方法,对低信噪比情况下的一维船舶辐射噪声进行处理。（2）提出了 RTFM算法。它综合考虑了船舶辐射噪声的振荡性、非平稳性和非线性,结合一维原始信号和相空间中的时频图进行多维状态特征增强处理。该算法适用于更低信噪比情况下的微弱船舶辐射噪声状态特征增强。（3）利用Gabor滤波器对二维RTFM进行图像纹理特征提取,将一维水声信号特征提取问题转化为二维图像特征提取问题。本论文的研究表明,船舶辐射噪声的状态特征增强和特征提取方法,对船舶辐射噪声的精确感知和识别性能提升具有重要意义。
吴光文[9]（2016）在《水下攻防系统的水声信号处理与目标识别技术研究》文中研究指明水下攻防系统长期在海洋环境中自动执行任务,必须具有探测和识别目标的能力。由于海洋水声环境复杂,信号探测和处理系统需要在干扰严重的情况下,从低信噪比水声信号中提取有效信息,准确识别目标,保障水下攻防系统的正常工作。结合攻防系统的实际需求,论文主要从水声探测信号处理、水声信号分类识别和声纳图像识别处理几方面展开研究。（1）研究了航器辐射信号的小波滤波方法,提出了小波硬阈值滤波的阈值参数确定方法,使用遗传自适应算法查找均方差意义上的最佳阈值参数,该算法解决了阈值选取受到采样信号长度影响的问题,并使得运算速度提高了4倍。在水声回波信号滤波处理中,为了满足在滤波的同时尽量保留信号奇异性的需要,提出一种自适应阈值函数的小波滤波算法。该算法使用连续且可导的阈值函数对小波系数进行压缩处理,并且可以根据信号特征自适应调整阈值函数。仿真实验表明,该方法和现有的阈值去噪方法相比,能够在滤波处理过程中更好的保留回波信号奇异性特征。研究了声纳图像的滤波问题,提出自适应阈值函数的小波域阈值图像滤波方法,仿真实验证明,该算法可以更好的保留图像的边缘,并能克服视觉失真现象。（2）研究了水声探测回波信号的分类识别问题,介绍了基于全极点模型法特征提取和能量特征提取方法。提出了基于Shannon熵的最优小波基函数的确定方法和基于判别熵的小波变换的最优分解层数的确定方法,使用水池实验数据进行分类识别实验,验证了所提方法对特征提取的有效性。研究了航器辐射噪声的分类识别问题,介绍了功率谱特征和低频线谱特征提取方法。提出了一种自适应遗传BP算法,并用该算法训练神经网络目标分类器,通过对目标噪声信号分类识别实验证明,论文提出的分类识别系统有很好的分类效果。（3）研究了声纳图像分类识别处理方法。针对声纳图像中常遇到的因为被其它物质遮挡而导致的识别准确率下降的问题,使用基于稀疏表示的声纳图像分类识别方法,该方法对被遮挡的图像识别具有较强的鲁棒性。为了有效的从图像的稀疏表示中提取高效特征信息,论文提出了一种投影矩阵优化算法,该算法通过收缩Gram矩阵非对角元的方法压缩投影矩阵和稀疏字典的相关系数,引入基于沃尔夫条件（Wolfe’s conditions）的梯度下降法求解最佳投影矩阵。该投影矩阵提取的特征向量维数小但是包含的信息量大。实验结果表明,使用论文方法提取的特征向量,分类识别处理的准确率有较大提高。
胡锦宏[10]（2015）在《遗传算法在测井信息处理中的应用》文中提出遗传算法是一种全局寻优的智能搜索方法,适用于离散问题、非线性问题以及无特定函数关系的复杂储层参数优化;在地震资料处理中,遗传算法可用于剩余静校正的估计、AVO反演、各向异性参数反演、波阻抗反演等方面;在测井信息处理中,遗传算法可用于地层划分与对比、流体识别、储层物性参数估算、水淹层识别、沉积微相识别等。将遗传算法引入到测井信息处理中,能有效推进地球物理勘探中有关地质问题的解决。
二、混合遗传BP算法在图象识别中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、混合遗传BP算法在图象识别中的应用（论文提纲范文）
（2）中国图像工程:2007（论文提纲范文）
| 1 引 言 |
| 2 综述目的 |
| 3 刊物选取 |
| 4 文献选取和分类 |
| 5 文献分类统计结果和讨论 |
| 5.1 近13年图像工程文献选取和分类概况比较 |
| 5.2 2007年各刊图像工程文献刊载情况 |
| 5.3 2007年各刊图像工程文献详细分类情况 |
| 6 结 论 |
（3）遗传算法和神经网络在图像识别中的应用（论文提纲范文）
| 一、BP-GA算法原理 |
| 二、图象识别 |
| 1.神经网络学习样本 |
| 2.BP-GA网络学习过程 |
| 3.网络识别结果验证 |
| 三、结论 |
（4）遗传BP算法在结构动力检测中的应用研究（论文提纲范文）
| 1 引言 |
| 1.1 无损检测研究的必要性 |
| 1.2 传统检测方法 |
| 1.3 结构动力检测 |
| 1.3.1 基本原理 |
| 1.3.2 研究方法简介 |
| 1.3.3 研究意义及存在的困难 |
| 1.4 国内外研究现状 |
| 1.5 本文的研究目标、方法及主要内容 |
| 1.5.1 研究的目标和方法 |
| 1.5.2 本文主要内容 |
| 2 结构损伤识别的神经网络和遗传算法 |
| 2.1 人工神经网络 |
| 2.1.1 人工神经网络简介 |
| 2.1.2 BP 神经网络 |
| 2.2 遗传算法 |
| 2.2.1 遗传算法的原理、基本概念和术语 |
| 2.2.2 遗传算法的主要操作 |
| 2.2.3 遗传算法的实现步骤 |
| 2.2.4 遗传算法的优缺点 |
| 2.3 遗传算法与神经网络的结合 |
| 2.3.1 结合原理 |
| 2.3.2 遗传BP 算法的步骤 |
| 3 悬臂梁裂纹参数的识别方法 |
| 3.1 理论分析 |
| 3.2 含裂纹平面刚架的动力分析 |
| 4 检测实例及结果分析 |
| 4.1 试验数据采集 |
| 4.1.1 测振系统的设计原理 |
| 4.1.2 振动现象的观察 |
| 4.1.3 振动的测量 |
| 4.1.4 实验结果 |
| 4.2 结构裂纹识别的人工神经网络方法 |
| 4.2.1 神经网络的数据变换处理 |
| 4.2.2 网络结构的确定 |
| 4.2.3 网络传递函数的选择 |
| 4.2.4 网络权值的初始化 |
| 4.2.5 学习速率的确定 |
| 4.2.6 网络收敛极小值的确定 |
| 4.2.7 BP 算法的实现 |
| 4.3 遗传算法在裂纹识别上的应用 |
| 4.4 利用遗传 BP 算法识别悬臂梁裂纹 |
| 4.5 结果对比分析 |
| 4.6 对遗传算法改进的 BP 网络模型的评价 |
| 5 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究中遇到的问题 |
| 5.2.1 结构的动力检测技术和试验模态分析 |
| 5.2.2 动力损伤检测方法的问题和难点 |
| 5.3 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
（5）遗传算法和神经网络在铁谱图象识别中的应用（论文提纲范文）
| 1 BP-GA算法原理 |
| 2 铁谱图象识别 |
| 2.1 神经网络学习样本 |
| 2.2 BP-GA网络学习过程[6] |
| 2.3 网络识别结果验证 |
| 3 结论 |
（6）带新型混合算法的神经网络及其应用（论文提纲范文）
| 前言 |
| 第一章 神经网络与MFNN学习算法研究 |
| 1.1 神经网络基本原理和特征 |
| 1.1.1 人工神经元模型 |
| 1.1.2 神经网络构成 |
| 1.1.3 神经网络学习规则 |
| 1.1.4 神经网络学习方式 |
| 1.2 MFNN与EBP算法 |
| 1.2.1 MFNN的逼近能力 |
| 1.2.2 误差反向传播（EBP）算法原理 |
| 1.2.3 EBP算法学习速率的调整 |
| 1.3 MFNN的新型二阶学习算法 |
| 1.3.1 Karayiannis的二阶算法 |
| 1.3.2 新型二阶学习算法推导 |
| 1.3.3 算法性能分析 |
| 1.3.4 仿真实例 |
| 小结 |
| 第二章 带新型混合算法的RBF神经网络 |
| 2.1 RBF神经网络原理 |
| 2.1.1 多变量RBF插值 |
| 2.1.2 正规化理论 |
| 2.1.3 正规化问题的逼近解 |
| 2.1.4 RBF网络基本学习算法 |
| 2.2 带新型混合算法的RBFNN |
| 2.2.1 混合算法原理 |
| 2.2.2 优选聚类算法 |
| 2.2.3 梯度算法 |
| 2.2.4 OLS算法 |
| 2.4.5 带新型混合算法RBFNN的实现 |
| 小结 |
| 第三章 带新型混合SAA的神经网络 |
| 3.1 SAA原理 |
| 3.1.1 SAA的基本思想 |
| 3.1.2 SAA的设计 |
| 3.1.3 改进的SAA |
| 3.1.4 快速的SAA |
| 3.2 带新型混合SAA的NN |
| 3.2.1 混合算法原理 |
| 3.2.2 带自适应冷却进度表的的SAA |
| 3.2.3 Powell算法 |
| 3.2.4 带新型混合SAA的NN的实现 |
| 小结 |
| 第四章 带新型混合GA的神经网络 |
| 4.1 GA原理 |
| 4.1.1 SGA的设计 |
| 4.1.2 GA的实现 |
| 4.2 带新型混合GA的神经网络 |
| 4.2.1 遗传BP算法原理 |
| 4.2.2 遗传BP算法参数设计 |
| 4.2.3 带新型混合GA的NN的实现 |
| 小结 |
| 第五章 带新型混合算法的神经网络在火山岩预测中的应用 |
| 5.1 火山岩预测概述 |
| 5.1.1 火山岩预测技术现状及发展趋势 |
| 5.1.2 火山岩预测目前存在的问题 |
| 5.1.3 课题的目的与意义 |
| 5.2 数据提取与处理 |
| 5.2.1 地震特征参数提取 |
| 5.2.2 数据预处理 |
| 5.3 应用实例 |
| 5.3.1 带新型混合算法的RBF神经网络应用实例 |
| 5.3.2 带新型混合SAA神经网络应用实例 |
| 5.3.3 带新型混合GA神经网络应用实例 |
| 小结 |
| 结论 |
| 致谢 |
| 参考文献 |
（7）GIS中空间对象的不确定性研究（论文提纲范文）
| 1 GIS数据的不确定性 |
| 1.1 空间对象的不确定性 |
| 1.2 空间数据不确定性模型 |
| 2 不确定性的研究方法 |
| 3 研究举例 |
| 3.1 粗集理论在GIS属性数据运算及精度分析中的应用 (1) |
| 3.2 遗传BP算法在环境大气综合评价中的应用 |
（8）船舶辐射噪声状态特征增强与提取方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要术语缩写表 |
| 第1章 绪论 |
| 1.1 研究背景与选题意义 |
| 1.2 船舶辐射噪声识别系统 |
| 1.2.1 被动声呐系统概述 |
| 1.2.2 船舶辐射噪声识别的架构 |
| 1.3 国内外研究现状 |
| 1.3.1 船舶辐射噪声状态特征增强 |
| 1.3.2 船舶辐射噪声特征提取 |
| 1.4 论文主要工作 |
| 1.4.1 研究内容与框架 |
| 1.4.2 研究技术路线与创新性 |
| 第2章 船舰辐射噪声信号分析 |
| 2.1 引言 |
| 2.2 辐射噪声的来源 |
| 2.3 辐射噪声的频谱特性 |
| 2.4 辐射噪声的数学建模 |
| 2.5 小结 |
| 第3章 共振稀疏分解的早期状态特征增强与提取方法 |
| 3.1 引言 |
| 3.2 共振稀疏分解方法 |
| 3.2.1 品质因子和振荡属性 |
| 3.2.2 可调品质因子小波变换 |
| 3.2.3 形态分量分析 |
| 3.3 希尔伯特边际谱的特征提取方法 |
| 3.3.1 经验模态分解 |
| 3.3.2 希尔伯特边际谱 |
| 3.4 实验结果与分析 |
| 3.4.1 实测信号分析 |
| 3.4.2 早期状态特征增强与提取的实验结果 |
| 3.5 小结 |
| 第4章 共振时频流形的状态特征增强与提取方法 |
| 4.1 引言 |
| 4.2 共振稀疏分解的早期状态特征增强 |
| 4.3 相空间重构 |
| 4.3.1 相空间概述 |
| 4.3.2 相空间重构主要思路 |
| 4.3.3 参数优化与选择 |
| 4.4 时频分布 |
| 4.5 流形学习 |
| 4.5.1 相关概念 |
| 4.5.2 局部切空间排列 |
| 4.6 图像纹理特征提取 |
| 4.7 实验结果与分析 |
| 4.7.1 RTFM状态特征增强的实验结果 |
| 4.7.2 基于RTFM的图像特征提取 |
| 4.8 小结 |
| 第5章 基于支持向量机的船舶辐射噪声识别 |
| 5.1 引言 |
| 5.2 支持向量机的统计理论 |
| 5.2.1 VC维与推广性的界理论 |
| 5.2.2 结构风险最小化原则 |
| 5.3 支持向量机算法 |
| 5.3.1 超平面与非线性分类器 |
| 5.3.2 核函数 |
| 5.4 船舶辐射噪声识别的实验结果 |
| 5.4.1 早期状态特征增强及提取的别结果和分析 |
| 5.4.2 RTFM状态特征增强及提取的识别结果和分析 |
| 5.5 本章小结 |
| 第6章 工作总结和展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的学位论文 |
（9）水下攻防系统的水声信号处理与目标识别技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 注释表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外水下攻防系统的研究现状 |
| 1.2.1 国外研究情况 |
| 1.2.2 国内研究情况 |
| 1.3 攻防系统的相关信号处理技术 |
| 1.3.1 水声信号滤波技术 |
| 1.3.2 水声信号的特征提取和分类技术 |
| 1.3.3 声纳图像分类识别技术 |
| 1.4 论文的组织结构 |
| 2 系统结构及信号处理的理论基础研究与分析 |
| 2.1 水下攻防系统信号处理与识别系统结构 |
| 2.2 小波变换及滤波的理论基础 |
| 2.2.1 小波变换 |
| 2.2.2 小波滤波方法 |
| 2.2.3 小波域阈值滤波的基本问题 |
| 2.2.4 常用的小波域阈值滤波算法 |
| 2.3 压缩感知理论基础 |
| 2.3.1 稀疏表示 |
| 2.3.2 投影矩阵 |
| 2.3.3 重构算法 |
| 2.4 本章小结 |
| 3 基于小波变换的水声信号滤波技术研究 |
| 3.1 基于小波域阈值滤波的水声信号去噪 |
| 3.1.1 水声信号滤波处理过程 |
| 3.1.2 小波域遗传自适应阈值滤波算法 |
| 3.1.3 实验研究 |
| 3.2 基于小波域自适应阈值函数的回波信号滤波 |
| 3.2.1 水声回波信号的去噪问题 |
| 3.2.2 基于自适应阈值函数的小波阈值去噪方法 |
| 3.2.3 水声回波边缘信号去噪处理实验 |
| 3.3 声纳图像的滤波 |
| 3.3.1 传统滤波方法 |
| 3.3.2 基于空域相关的图像阈值滤波方法 |
| 3.3.3 基于小波域自适应阈值函数的图像滤波方法 |
| 3.3.4 声纳图像滤波实验 |
| 3.4 本章小结 |
| 4 基于水声信号的目标分类识别处理技术研究 |
| 4.1 回波信号的特征提取及分类识别 |
| 4.1.1 全极点模型法 |
| 4.1.2 基于多分辨分析的能量检测法 |
| 4.1.3 分类识别实验 |
| 4.2 航器辐射噪声信号的分类识别 |
| 4.2.1 航器辐射噪声线谱成分特征提取 |
| 4.2.2 基于自适应遗传BP算法的神经网络分类器设计 |
| 4.3 分类对比实验 |
| 4.3.1 水声信号的仿真 |
| 4.3.2 分类对比实验 |
| 4.4 本章小结 |
| 5 基于声纳图像的目标分类识别处理技术研究 |
| 5.1 基于稀疏表示的分类识别算法 |
| 5.2 声纳图像预处理 |
| 5.3 声纳图像的分类识别 |
| 5.3.1 声纳图像的特征提取 |
| 5.3.2 分类识别算法 |
| 5.3.3 稀疏表示的求解算法 |
| 5.4 投影矩阵的优化算法 |
| 5.4.1 感知矩阵相关系数表达式 |
| 5.4.2 Gram矩阵的阈值函数 |
| 5.4.3 更新投影矩阵 |
| 5.4.4 仿真实验 |
| 5.5 声纳图像分类对比实验 |
| 5.6 本章小结 |
| 6 结论 |
| 6.1 论文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）遗传算法在测井信息处理中的应用（论文提纲范文）
| 1 遗传算法的基本思想与实现方法 |
| 1.1 遗传算法的基本思想 |
| 1.2 遗传算法的实现 |
| 1.3 遗传算法的优势 |
| 2 遗传算法在地震勘探中的应用 |
| 2.1 遗传算法用于剩余静校正的估计 |
| 2.2 遗传算法在AVO反演中的应用 |
| 2.3 遗传算法在各向异性参数反演中的应用 |
| 2.4 遗传算法在波阻抗反演中的应用 |
| 3 遗传算法在测井信息处理中的应用现状 |
| 3.1 遗传算法在地层划分与对比中的应用 |
| 3.2 遗传算法在储层物性参数估算中的应用 |
| 3.3 遗传算法在流体识别中的应用 |
| 3.4 遗传算法在沉积微相识别中的应用 |
| 3.5 遗传算法在水淹层识别中的应用 |
| 3.6 遗传算法在储层测井评价的应用 |
| 4 遗传算法在非常规油气勘探中的应用 |
| 5 结论 |
四、混合遗传BP算法在图象识别中的应用（论文参考文献）
- [1]遗传BP算法在双色球彩票预测中的应用[J]. 李维良,叶三星. 软件导刊, 2011(11)
- [2]中国图像工程:2007[J]. 章毓晋. 中国图象图形学报, 2008(05)
- [3]遗传算法和神经网络在图像识别中的应用[J]. 胡平芳,徐小林. 湖北大学成人教育学院学报, 2006(06)
- [4]遗传BP算法在结构动力检测中的应用研究[D]. 韩廷. 内蒙古农业大学, 2006(11)
- [5]遗传算法和神经网络在铁谱图象识别中的应用[J]. 高经纬,张培林,李峰,任国全. 润滑与密封, 2004(01)
- [6]带新型混合算法的神经网络及其应用[D]. 刘志德. 大庆石油学院, 2002(02)
- [7]GIS中空间对象的不确定性研究[J]. 郭达志,胡召玲,陈云浩. 中国矿业大学学报, 2000(01)
- [8]船舶辐射噪声状态特征增强与提取方法研究[D]. 颜佳泉. 厦门大学, 2018(06)
- [9]水下攻防系统的水声信号处理与目标识别技术研究[D]. 吴光文. 南京理工大学, 2016(06)
- [10]遗传算法在测井信息处理中的应用[J]. 胡锦宏. 炼油与化工, 2015(04)