声明
摘要
第1章绪论
1.1研究背景及意义
1.2国内外研究现状
1.2.1水下声纳图像分类研究现状
1.2.2深度学习图像分类研究现状
1.3论文主要研究内容
1.4论文组织结构
第2章相关理论与研究方法
2.1深度学习相关理论
2.1.1深度学习的基本概念
2.1.2深度学习模型简介
2.2深度信念网络相关理论
2.2.1受限玻尔兹曼机原理
2.2.2深度信念网络多层网络结构
2.2.3反向传播算法原理
2.3卷积神经网络相关理论
2.3.1卷积和池化
2.3.2激活函数
2.3.3优化算法
2.4本章小结
第3章基于深度学习的水下声纳图像分类方法
3.1实验环境
3.2实验评价指标
3.3数据集的构建
3.4基于DBN的水下声纳图像分类
3.4.1吉布斯采样
3.4.2对比散度算法
3.4.3深度信念网络模型
3.4.4基于DBN的水下声纳图像分类实验结果与分析
3.5基于CNN的水下声纳图像分类
3.5.1激活函数和优化算法实验结果与分析
3.5.2卷积神经网络模型
3.5.3基于CNN的水下声纳图像分类实验结果与分析
3.6本章小结
第4章基于AW-CNN的水下声纳图像分类
4.1自适应权值卷积神经网络模型
4.1.1自适应权值卷积神经网络优势分析
4.1.2自适应权值卷积神经网络实现过程
4.2基于AW-CNN的水下声纳图像分类过程
4.3实验结果与分析
4.3.1 AW-CNN有效性实验结果与分析
4.3.2 AW-CNN收敛性实验结果与分析
4.3.3 AW-CNN可视化实验结果与分析
4.3.4预处理数据集分类正确率分析
4.3.5 AW-CNN分类混淆矩阵实验结果与分析
4.4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