声明
摘要
第1章绪论
1.1论文研究背景与意义
1.2国内外研究现状
1.2.1水下目标信号以及鲸类叫声信号特征提取
1.2.2分类决策方法
1.2.3深度学习的研究现状
1.3论文研究内容与安排
第2章鲸类声信号特征提取及分类器设计
2.1鲸目动物及其叫声介绍
2.2基于MFCC的特征提取
2.2.1 Mel频率
2.2.2 Mel滤波器组
2.2.3 MFCC特征参数提取及实验数据处理
2.3基于线调频小波变换的特征提取
2.3.1线调频小波变换
2.3.2仿真数据分析
2.3.3快速线调频小波变换及实验数据处理
2.4分类器的设计
2.4.1支持向量机
2.4.2随机森林
2.5本章小结
第3章深度卷积神经网络的构建与参数优化
3.1深度卷积神经网络结构
3.1.1卷积运算和卷积层
3.1.2池化层
3.1.3全连接层
3.2网络参数初始化
3.2.1 Gaussian分布初始化
3.2.2均匀分布初始化
3.3激活函数,损失函数对比与选择
3.3.1激活函数
3.3.2 损失函数
3.4梯度下降优化算法性能分析与选择
3.4.1自适应学习率算法
3.4.2梯度方向优化
3.5.1前向传播过程
3.5.2反向传播过程
3.5.3参数更新
3.6网络正则化方法
3.6.1 L1和L2正则化
3.6.2权重衰减
3.6.3提前终止
3.6.4丢弃法
3.7本章小结
第4章模型评价体系与实验数据处理
4.1深度学习模型评价体系建立
4.1.1准确率、召回率和F1值
4.1.2 ROC曲线与AUC
4.2实验结果分析
4.2.1基于支持向量机与随机森林的识别结果
4.2.2基于一维卷积神经网络的识别结果
4.2.3基于二维卷积神经网络的识别结果
4.3本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢
哈尔滨工程大学;