成功加入购物车
刘代志 、 李夕海 著 / 国防工业出版社 / 2010-10 / 精装
售价 ¥ 45.00 6.9折
定价 ¥65.00
品相 九品品相描述
优惠 满包邮
延迟发货说明
上书时间2024-01-16
卖家超过10天未登录
核爆地震模式识别
《核爆地震模式识别》共分9章。第1章是绪论,主要对核爆地震监测与识别,重点是核爆地震监测的研究历史和现状进行评述,介绍了核爆地震波区域特征及传播、源特征研究和核爆地震识别技术。并且为了照顾非地震专业和非信号与信息处理专业的读者(事实上,在核爆地震模式识别领域这两方面的科技工作者都有)。
第1章绪论1.1核爆地震监测1.2棱爆地震监测历史、现状与趋势1.2.1核爆地震波区域特征及传播1.2.2源特征研究1.2.3核爆地震识别技术1.2.4核爆地震监测的未来发展1.3核爆地震识别的传统方法1.4地震波基础知识14.1地震波1.4.2爆炸激发地震波1.4.3地震波的运动学特征14.4地震波的动力学特征1.4.5地震波探测方法与技术1.5核爆地震数据集参考文献第2章模式识别的基本理论2.1基本概念和方法2.1.1统计模式识别2.1.2句法模式识别21.3智能模式识别2.2特征提取与选择2.2.1特征提取2.22特征选择2.3分类器设计2.3.1线性判别函数2.3.2非线性判别函数23.3其他分类判决参考文献第3章核爆地震信号分析与预处理3.1核爆地震信号的常规处理3.2核爆地震信号的分形与混沌分析3.2.1核爆地震信号的分形分析3.2.2基于重采样的混沌序列相空间重构算法3.2.3基于相空间相关性与PCA的嵌入维和时间延迟选择算法3.3数据预处理3.3.1事件的检测3.3.2初至点检测参考文献第4章核爆地震信号的特征提取与选择4.1常用的特征提取与选择方法4.1.1时域特征4.1.2频域特征4.1.3时频域特征4.1.4特征选择方法4.2基于PCA和KPCA的特征提取4.3基于最佳分类主分量分析的特征提取算法4.4多分辨率能量分形特征提取算法4.5基于核非负矩阵分解的特征提取算法4.5.1非负矩阵分解的基本理论4.5.2基于NMF的核爆地震特征提取4.53核非负矩阵分解(KNMF)算法4.5.4基于KNMF的核爆地震特征提取4.6基于时频分析的特征提取算法4.6.1时频平面上的谱比值特征和矩特征4.6.2时频平面上的时频面积特征4.6.3时频表示的奇异值特征4.7基于序优化的核爆地震特征选择4.7.1序优化概述4.7.2基于序优化的核爆地震特征选择4.8基于GammaTest的特征选择4.8.1GammaTest理论概述4.8.2基于GammaTest的核爆地震特征选择4.9基于序优化和GammaTest的核爆地震特征选择参考文献第5章核爆地震信号的传统判别分析5.1一维特征空间中的二分法5.2基于近邻规则的核爆地震模式识别5.2.1基于最近邻方法的分类器设计5.2.2基于K近邻方法的分类器设计5.2.3基于模糊变权x近邻方法的分类器设计5.3基于最小均方误差准则的分类器设计5.4基于Fisher-和KFisher判别的核爆地震模式识别5.5基于x相关的核爆地震模式识别5.5.1K相关分类原理5.5.2核爆地震分类实验参考文献第6章核爆地震信号的非线性判别分析6.1基于支持向量机的核爆地震模式识别6.1.1基于支持向量机的核爆地震自动识别6.1.2基于先验知识的核函数构造6.1.3信息几何在支持向量机中的应用6.2基于隐马尔可夫模型的核爆地震模武识别6.2.1隐马尔可夫模型6.2.2HMM基本算法6.2.3HMM的类型6.2.4矢量量化编码62.5HMM在核爆地震模式识别中的应用6.3基于最近邻支持向量特征线融合的核爆地震模式识别6.3.1最近邻特征线分类算法及分析6.3.2最近邻支持向量特征线分类算法及应用6.3.3基于最近邻支持向量特征线融合的分类器设计及应用6.4基于核K相关的核爆地震模式识别64.1算法阐述6.4.2分类实验及结果分析6.5基于分类器集成的核爆地震模式识别6.5.1分类器组合方法的优点6.5.2分类器输出结果融合规则6.5.3基于样本重采样的分类器组合6.5.4基于模糊积分的分类器组合6.6核爆地震识别中的特征相空间研究6.6.1基本思路与方法原理6.6.2吸引子维数计算与结果分析6.6.3特征相空间等价性的数值实验及结果分析6.6.4讨论与应用参考文献第7章神经网络在核爆地震模式识别中的应用7.1神经网络基本原理7.1.1神经网络基本概念7.1.2BP网络模型与BP算法7.2神经网络在核爆地震模式识别中的应用7.2.1标准BP算法的识别结果7.2.2BP网络的改进学习算法7.2.3改进算法的选择及其识别结果7.3遗传算法在神经网络模式识别中的应用7.3.1遗传算法的基本原理7.3.2基于GA的多层前馈神经网络学习算法7.3.3MFANN的泛化学习GA算法7.3.4泛化学习GA算法在核爆地震模式识别中的应用参考文献第8章协同神经网络与核爆地震模式识别8.1协同模式识别方法简述8.1.1常用的协同模式识别算法8.1.2协同模式识别算法中的关键技术8.2基于支持向量样本加权平均的原型模式选择算法8.2.1算法阐述8.2.2对算法的进一步改进8.2.3分类实验与结果分析8.3基于模糊c-均值的原型模式选择算法8.3.1算法阐述83.2分类实验与结果分析8.4变步长的基于奖惩学习机制的注意参数训练算法8.4.1算法阐述8.4.2分类实验与结果分析8.5基于核函数的协同模式识别8.5.1基于核函数的协同模式识别算法8.5.2分类实验与结果分析参考文献第9章核爆地震模式识别的模糊综合评判9.1模糊集的基本知识9.1.1模糊特征和模糊分类9.1.2模糊关系与模糊变换9.2模糊综合评判模型9.2.1模糊综合评判的初始模型9.2.2多层次模糊综合评判9.2.3广义运算子模糊综合评判9.3核爆地震模式识别的模糊综合评判9.3.1方法思路9.3.2权向量构造9.3.3单因素评判矩阵9.3.4多层次模糊综合评判9.3.5模糊综合评判识别结果及分析9.4核爆地震模式识别系统框架:挑战与展望9.4.1核爆地震模式识别系统框架9.4.2挑战与展望参考文献附录名词术语中英文对照后记
展开全部
配送说明
...
相似商品
为你推荐
开播时间:09月02日 10:30