歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >>
基于深度學(xué)習(xí)的水中目標(biāo)分類識(shí)別技術(shù)

基于深度學(xué)習(xí)的水中目標(biāo)分類識(shí)別技術(shù)

出版社：龍門(mén)書(shū)局出版時(shí)間：2023-07-01
開(kāi)本： B5 頁(yè)數(shù)： 180
中 圖 價(jià):¥90.9(7.1折) 定價(jià)  ¥128.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書(shū)更多>

基于深度學(xué)習(xí)的水中目標(biāo)分類識(shí)別技術(shù) 版權(quán)信息

基于深度學(xué)習(xí)的水中目標(biāo)分類識(shí)別技術(shù) 本書(shū)特色

本書(shū)可供從事水聲探測(cè)和水聲信號(hào)處理相關(guān)研究的工作人員參考，也可作為聲學(xué)、水聲工程等相關(guān)專業(yè)的研究生教學(xué)用書(shū)。

基于深度學(xué)習(xí)的水中目標(biāo)分類識(shí)別技術(shù) 內(nèi)容簡(jiǎn)介

目標(biāo)識(shí)別是水聲探測(cè)中的重要技術(shù)環(huán)節(jié)，也是一項(xiàng)難題。利用深度學(xué)習(xí)理論開(kāi)展水聲目標(biāo)信號(hào)特征學(xué)習(xí)與分類識(shí)別，已成為當(dāng)前的研究熱點(diǎn)。本書(shū)總結(jié)了作者及課題組近年來(lái)利用深度學(xué)習(xí)理論開(kāi)展水中目標(biāo)識(shí)別研究的成果。首先，探討了典型深度學(xué)習(xí)模型應(yīng)用于水中目標(biāo)識(shí)別的可行性問(wèn)題，在此基礎(chǔ)上分別研究了卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、深度卷積生成對(duì)抗網(wǎng)絡(luò)的原理、構(gòu)建方法、參數(shù)優(yōu)化方法及應(yīng)用實(shí)例。其次，在不同信噪比等條件下，對(duì)深度神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)方法以及不同的深度神經(jīng)網(wǎng)絡(luò)進(jìn)行了對(duì)比分析，提出了改進(jìn)方法，并進(jìn)一步探討了深度半監(jiān)督和無(wú)監(jiān)督水中目標(biāo)分類識(shí)別方法及參數(shù)聯(lián)合優(yōu)化方法。*后，從功能需求、技術(shù)指標(biāo)、關(guān)鍵技術(shù)等角度指出了智能水中目標(biāo)識(shí)別技術(shù)的發(fā)展方向。

基于深度學(xué)習(xí)的水中目標(biāo)分類識(shí)別技術(shù) 目錄

目錄 叢書(shū)序 自序 第1章 水中目標(biāo)分類識(shí)別技術(shù)基礎(chǔ) 1 1.1 水中目標(biāo)分類識(shí)別及其應(yīng)用需求 1 1.2 水中目標(biāo)分類識(shí)別技術(shù)原理 2 1.2.1 基本原理 2 1.2.2 信號(hào)預(yù)處理 5 1.2.3 特征提取 8 1.2.4 特征選擇與融合 10 1.2.5 分類決策 12 1.3 水中目標(biāo)分類識(shí)別技術(shù)研究現(xiàn)狀及存在的瓶頸問(wèn)題 15 1.3.1 研究現(xiàn)狀 15 1.3.2 存在的瓶頸問(wèn)題 17 參考文獻(xiàn) 20 第2章 深度學(xué)習(xí)理論及其在水中目標(biāo)分類識(shí)別中的適用性 23 2.1 深度學(xué)習(xí)概述 23 2.1.1 深度學(xué)習(xí)及其發(fā)展 23 2.1.2 重要概念 24 2.2 典型深度學(xué)習(xí)算法 32 2.2.1 全連接深度神經(jīng)網(wǎng)絡(luò) 33 2.2.2 卷積神經(jīng)網(wǎng)絡(luò) 35 2.2.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 40 2.3 基于深度學(xué)習(xí)特征的水中目標(biāo)分類識(shí)別 44 2.3.1 深度學(xué)習(xí)特征提取方法 44 2.3.2 自編碼器 45 2.3.3 受限玻爾茲曼機(jī) 49 2.3.4 實(shí)驗(yàn)研究 51 2.4 基于深度學(xué)習(xí)的多域特征融合方法 54 2.4.1 多域特征融合 54 2.4.2 多域特征提取方法 56 2.4.3 基于自編碼器的多域特征融合 65 參考文獻(xiàn) 67 第3章 基于卷積神經(jīng)網(wǎng)絡(luò)的水中目標(biāo)分類識(shí)別 69 3.1 適用于水中目標(biāo)識(shí)別的卷積神經(jīng)網(wǎng)絡(luò) 69 3.2 卷積核的正則化 70 3.3 實(shí)驗(yàn)結(jié)果及分析 72 3.4 卷積神經(jīng)網(wǎng)絡(luò)模型的參數(shù)選擇 76 3.4.1 卷積核尺寸參數(shù)優(yōu)選 76 3.4.2 卷積核深度參數(shù)優(yōu)選 79 3.4.3 學(xué)習(xí)率參數(shù)優(yōu)選 82 3.4.4 池化方式優(yōu)選 84 3.5 改進(jìn)的CNN分類識(shí)別方法 85 3.5.1 梯度優(yōu)化 85 3.5.2 輸入信號(hào)的前處理 87 參考文獻(xiàn) 91 第4章 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的水中目標(biāo)分類識(shí)別 92 4.1 幾種改進(jìn)RNN的性能對(duì)比 92 4.2 不同工況條件下的模型性能分析 95 4.2.1 直行-轉(zhuǎn)彎工況模型魯棒性檢驗(yàn) 95 4.2.2 不同航行圈次工況模型魯棒性檢驗(yàn) 98 4.3 噪聲失配對(duì)模型性能的影響 101 4.4 多尺度稀疏SRU模型 104 4.4.1 簡(jiǎn)單循環(huán)單元 104 4.4.2 多尺度稀疏SRU分類模型 104 4.4.3 實(shí)驗(yàn)結(jié)果及分析 106 參考文獻(xiàn) 110 第5章 基于深度生成對(duì)抗網(wǎng)絡(luò)的水中目標(biāo)識(shí)別 112 5.1 生成對(duì)抗網(wǎng)絡(luò)基本原理 112 5.2 基于生成對(duì)抗網(wǎng)絡(luò)的水中目標(biāo)識(shí)別 114 5.2.1 基于生成對(duì)抗網(wǎng)絡(luò)的水中目標(biāo)識(shí)別模型 114 5.2.2 基于實(shí)測(cè)水聲數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證 116 5.2.3 GAN模型輸出特征可視化分析 117 5.3 深度全連接生成對(duì)抗網(wǎng)絡(luò)在水聲目標(biāo)識(shí)別中的應(yīng)用 121 5.4 基于深度卷積生成對(duì)抗網(wǎng)絡(luò)的水聲目標(biāo)識(shí)別 123 5.5 模型參數(shù)優(yōu)選 125 5.5.1 DFGAN模型參數(shù)優(yōu)選 125 5.5.2 DCGAN模型參數(shù)優(yōu)選 126 5.6 數(shù)據(jù)集對(duì)模型識(shí)別性能的影響 127 5.6.1 有標(biāo)簽樣本數(shù)量對(duì)模型性能的影響 128 5.6.2 噪聲失配對(duì)模型性能的影響 129 參考文獻(xiàn) 131 第6章 深度半監(jiān)督和無(wú)監(jiān)督水中目標(biāo)分類識(shí)別 132 6.1 水聲目標(biāo)無(wú)監(jiān)督與有監(jiān)督學(xué)習(xí)的關(guān)系 132 6.2 傳統(tǒng)聚類算法 134 6.2.1 k-means算法 134 6.2.2 GMM 135 6.2.3 層次聚類算法 138 6.2.4 自組織映射聚類算法 138 6.2.5 模糊聚類算法 138 6.3 DP-GMM聚類方法 139 6.4 水聲數(shù)據(jù)聚類實(shí)驗(yàn)及分析 142 6.4.1 評(píng)價(jià)指標(biāo) 142 6.4.2 參數(shù)設(shè)置 143 6.4.3 實(shí)驗(yàn)結(jié)果及分析 144 6.5 無(wú)監(jiān)督聚類中的概率分布失配問(wèn)題 145 6.6 深度生成式聚類模型及其學(xué)習(xí)方法 148 6.6.1 GBGG-DBM網(wǎng)絡(luò)概率模型 149 6.6.2 聯(lián)合優(yōu)化算法 152 6.6.3 實(shí)驗(yàn)結(jié)果及分析 153 參考文獻(xiàn) 157 第7章 水中目標(biāo)識(shí)別技術(shù)發(fā)展趨勢(shì) 158 7.1 水中目標(biāo)識(shí)別技術(shù)總體發(fā)展趨勢(shì) 158 7.1.1 功能需求和技術(shù)指標(biāo)發(fā)展趨勢(shì) 158 7.1.2 軟硬件設(shè)計(jì)發(fā)展趨勢(shì) 159 7.1.3 關(guān)鍵技術(shù)發(fā)展趨勢(shì) 160 7.2 深度學(xué)習(xí)應(yīng)用于水中目標(biāo)識(shí)別尚需解決的問(wèn)題和解決思路 160 7.2.1 尚需解決的問(wèn)題 160 7.2.2 解決思路 161 參考文獻(xiàn) 163 索引 164 彩圖
展開(kāi)全部
暫無(wú)評(píng)論……
書(shū)友推薦
編輯推薦
返回頂部
中圖網(wǎng)
在線客服