首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   8篇
  一般工业技术   8篇
  2014年   3篇
  2013年   1篇
  2004年   1篇
  1998年   3篇
排序方式: 共有8条查询结果,搜索用时 29 毫秒
1
1.
被动声纳目标识别技术的现状与发展   总被引:9,自引:3,他引:6  
丁玉薇 《声学技术》2004,23(4):253-257,260
在现代被动声纳系统中,水下目标的自动识别是关键技术之一。文章对被动声纳目标识别的特征提取、特征选择和分类器设计方面进行了回顾。对LOFAR,DEMON和小波变换等特征提取技术进行了讨论,分析了特征优化的重要性和专家系统和神经网络等分类器的优缺点,并简要分析了该领域的过去、现在和未来。  相似文献
2.
复合基神经网络在水声目标分类识别中的应用   总被引:5,自引:0,他引:5  
方世良  陆佶人 《声学技术》1998,17(2):54-56,62
本文根据不同神经网络的分类特点,提出将径向基函数网络和多层感知器网络复合构成复合基网络,用于水声信号的分类识别,试验表明,该网络的分类能力及对未来训练目标的适应性优于BP网和RBF网。  相似文献
3.
多传感器目标分类的数据融合方法   总被引:5,自引:1,他引:4  
本文概述了多传感目标分类数据融合技术的概念,原理,结构和算法,揭示了它的实质,全面介绍了该技术目前在国内外的研究发展状况,指出存在问题,难点,并预测未来发展趋势,完整地展示这一研究领域的全貌。  相似文献
4.
基于遗传算法的神经网络被动声呐目标分类研究   总被引:5,自引:0,他引:5  
高翔  陈向东 《声学技术》1998,17(4):169-172
被动声呐目标识别系统中目标分类器的设计和训练是一项重要内容,本文设计了目标分类器的神经网络结构,提出了一种用改进的遗传算法训练神经网络分类器的新方法,最后,对海上实录的A,B,C三类目标噪声进行了分类识别,实验结果表明基于遗传算法的神经网络分类器比传统的基于BP算法的神经网络分类源泛化性能有明显提高。  相似文献
5.
针对DEMON谱调制频率的可分性进行研究。利用高速目标与非高速目标在调制频率成分上的差异性,对目标DEMON谱历程矩阵进行梯度差分和量化处理,定义了目标辐射噪声的量化矩阵和调制统计量,提出了一种基于目标辐射噪声调制统计量的水下高速目标分类识别算法,比较了不同门限情况下高速目标与非高速目标随调制统计量的分布情况。大量实测数据分析表明,此算法可以可靠地对高速目标进行分类识别。  相似文献
6.
袁帅  杨宏晖  申昇 《声学技术》2014,(4):359-362
特征选择是水声目标识别领域的重要环节之一。提出基于互信息的顺序向前特征选择算法,通过计算特征之间的互信息和特征与类别间的互信息对所有特征的分类能力进行排序。提取了实测4类水声目标进行特征选择和分类实验,结果表明:该算法能够选择有效特征子集,得到较高的正确识别率,并且运行速度快,稳定性强。  相似文献
7.
将统计数据驱动方法应用于冲击声的固有结构建模,研究了单个冲击信号及冲击声组的时域和频域特征提取方法,并将所提特征用于圆柱壳冲击声和公路空洞检测冲击声分类,获得了良好效果,证实了该方法用于冲击声目标分类的有效程度。  相似文献
8.
针对训练样本集中含有噪声样本、冗余样本以及无关样本,导致分类系统分类性能下降、不稳定的水声目标识别问题,提出了一种新的自适应遗传样本选择算法(Adaptive Genetic Instance Selection Algorithm, AGISA)。算法先随机生成初始种群,接着利用设计的遗传算子(跨代选择、自适应交叉和简化最近邻变异)指导种群进化,每代中对分类贡献大且选择样本数目少的个体适应度值高。提取了实测3类水声目标的多域特征,进行样本选择和分类识别仿真实验,结果表明:AGISA可以选出有效样本子集,在样本维数下降约73%的情况下,支持向量机分类器的正确分类率能提高约2.5%;并且AGISA具有较好的收敛性、稳定性,所得优化样本子集具有较好泛化能力且能明显减少分类的时间。  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号