文摘
英文文摘
第一章绪论
1.1数据仓库和知识发现
1.2数据挖掘技术
1.3研究背景及意义
1.4研究动态及应用
1.4.1数据挖掘的理论成果
1.4.2挖掘的应用实施
1.4.3数据挖掘的应用展望
1.5本文中的数据挖掘
1.6本文主要工作及内容安排
第二章舰船辐射噪声特性分析
2.1舰船噪声的类型
2.2舰船辐射噪卢的通过特性
2.3舰船辐射噪卢的谱特性
2.4舰船辐射噪声的“三非”特性
2.4.1基于高阶统计量的信号分析
2.4.2基于小波分析的信号处理
2.5本章小结
第三章基于交互信号分析的舰船辐射噪声特征提取
3.1高阶谱特征提取
3.1.1高阶统计量理论
3.1.2双谱的性质和算法
3.1.3舰船信号的11/2维谱分析
3.1.4舰船辐射噪声11/2维谱
3.2舰船噪声的小波特征提取
3.2.1小波变换
3.2.2 Mallat算法
3.2.3噪卢谱的小波分解
3.3基于舰船噪声11/2维谱的小波特征提取
3.3.1母波的选择
3.3.2舰船辐射噪卢11/2维谱的小波变换
3.4本章小结
第四章数据挖掘技术中的支持向量机
4.1统计学习理论
4.1.1机器学习的基本问题
4.1.2经验风险最小化
4.1.3复杂性与推广能力
4.1.4统计学习理论的核心内容
4.2支持向量机
4.2.1广义最优分类面
4.2.2支持向量机
4.3核函数
4.4核函数主成分分析
4.5应用研究
4.6本章小结
第五章基于支持向量机技术的目标识别
5.1数据挖掘技术中的两种目标分类方法研究
5.1.1概念介绍
5.1.2聚类分析
5.1.3 SVM
5.1.4方法对比与分析
5.1.5对SVM的一些讨论
5.2实现多类模式识别的支持向量机
5.3基于交互特征优化的三类水中目标识别
5.4线性规划支持向量机
5.4.1线性规划支持向量机
5.4.2线性规划非线性支持向量机
5.4.3目标识别中的线性规划问题
5.4.4实验结果及分析
5.4.5 SVM识别分类的软件流程图
5.5 SVM-KNN分类器实现
5.5.1 SVM-KNN分类器实现
5.5.2实验结果及分析
5.6本章小结
第六章全文总结
参考文献
在读期间已发表论文及所获奖励
致谢
西北工业大学学位论文知识产权声明书及原创性声明