声明
摘要
第一章 绪论
1.1 选题背景、依据及意义
1.2 微地震监测技术的国内外研究现状和关键问题
1.2.1 微地震监测技术历史与发展
1.2.2 微地震监信号的特征提取与分类识别的研究现状
1.3 本文的研究意义、研究思路与内容、预期成果
1.3.1 研究意义
1.3.2 研究思路与内容
1.3.3 预期成果
第二章 微地震监测原理与信号特征提取
2.1 微地震监测方法原理
2.1.1 微地震监测系统简介
2.1.2 微地震监测原理
2.2 微地震监测信号特征提取原理
2.2.1 数据预处理原理及方法
2.2.2 几种提取的数据特征
2.2.3 信号的蜂度系数
2.2.4 时域过零率提取
2.2.5 信号的信噪比提取
2.2.6 小波包系数香侬熵提取
2.2.7 小波包系数能量比提取
2.3 本章小结
第三章 识别分类方法及其相关原理
3.1 支持向量机(Support Vector Machine)
3.1.1 线性分类算法
3.1.2 最大分类间隔
3.1.3 SVM对于线性可分问题与线性不可分问题
3.1.4 松弛变量(Outliers)
3.1.5 SVM支持向量机的特性
3.2 交叉验证(Cross Validation)原理
3.3 SVM算法的实验步骤
3.4 KNN邻近法(K-Nearest Neighbor)基本原理与特性
3.4.1 KNN邻近法的基本原理
3.4.2 KNN邻近算法指导思想
8.4.3 KNN邻近法的特性
3.4.4 常见的相似距离
3.4.5 KNN邻近算法算法与SVM支持向量机算法的区别
3.5 KNN-SVM算法原理与步骤
3.5.1 KNN-SVM算法原理
3.5.2 KNN-SVM算法的主要步骤
3.6 本章小结
第四章 微地震监测信号的分类实验
4.1 基本数据组合院参数配置
4.2 支持向量机中不同参数对分类的影响
4.2.1 不同小波基函数的选择对分类的影响
4.2.2 不同分类器的选择对分类的影响
4.2.3 不同核函数合对分类的影响
4.2.4 不同数据组合对分类的
4.3 KNN邻近算法中不同参数对分类的影响
4.3.1 不同小波基对分类的影响
4.3.2 不同K值和数据组合对分类的影响
4.4 KNN-SVM算法中不同参数对分类的影响
4.5 本章小结
第五章 应用效果与意义
5.1 工区简介
5.2 应用过程
5.3 应用效果与分析
5.4 应用意义
5.5 本章小结
结论
致谢
参考文献
攻读学位期间取得学术成果