声明
摘要
第1章 绪论
1.1 课题研究的背景及意义
1.2 信号分类方法的研究现状
1.2.1 信号分类方法的研究现状
1.2.2 神经网络在分类问题中的应用与研究现状
1.2.3 支持向量机在分类处理中的应用与研究现状
1.3 课题研究的主要内容和论文结构
第2章 BP神经网络和SVM的基本分类理论
2.1 分类理论概述
2.1.1 分类的定义
2.1.2 几种常见的分类方法
2.2 BP神经网络的分类理论
2.2.1 人工神经网络的概述
2.2.2 BP神经网络分类
2.3 支持向量机(SVM)的分类理论
2.3.1 统计学习理论的概述
2.3.2 支持向量机理论
2.3.3 SVM分类理论
2.4 本章小结
第3章 基于BP神经网络的信号分类方法的研究
3.1 基于BP神经网络分类方法的研究
3.1.1 BP神经网络分类算法和设计
3.1.2 基于数据预处理的BP分类方法的研究
3.1.3 实验与结果分析
3.2 基于遗传算法(GA)的BP网络分类方法的研究
3.2.1 遗传算法(GA)
3.2.2 GA优化BP网络权位和结构的算法设计
3.2.3 实验与结果分析
3.3 基于粒子群算法(PSO)的BP网络分类方法的研究
3.3.1 粒子群优化算法(PSO)
3.3.2 PSO优化BP网络权值和结构的算法设计
3.4 实验分析
3.5 本章小结
第4章 基于SVM的信号分类方法的研究
4.1 基于SVM的分类方法的研究
4.1.1 SVM分类算法和设计
4.1.2 基于数据预处理的SVM分类方法
4.1.3 实验结果与分析
4.2 基于遗传(GA)的SVM分类方法的研究
4.2.1 GA优化SVM参数的算法及设计
4.2.2 实验与结果分析
4.3 基于粒子群(PSO)的SVM分类方法的研究
4.3.1 PSO优化SVM参数的算法及设计
4.3.2 实验与结果分析
4.4 实验分析
4.5 基于BP神经网络和SVM的信号分类方法的比较
4.6 本章小结
第5章 总结与展望
5.1 工作总结
5.2 研究展望
参考文献
在读期间发表的学术论文及研究成果
致谢