|
|
|
雷达辐射源特征选择和在线学习算法研究 |
|
论文目录 |
|
摘要 | 第1-4页 | Abstract | 第4-7页 | 第一章 绪论 | 第7-15页 | ·研究背景及意义 | 第7-8页 | ·国内外研究现状 | 第8-13页 | ·雷达辐射源识别发展现状 | 第8-9页 | ·特征选择研究现状 | 第9-11页 | ·在线学习研究现状 | 第11-13页 | ·本文主要工作及章节安排 | 第13-15页 | 第二章 特征选择概述 | 第15-29页 | ·引言 | 第15页 | ·特征选择综述 | 第15-20页 | ·特征选择简介 | 第15-17页 | ·特征选择分类 | 第17-20页 | ·滤波式特征选择方法 | 第20-28页 | ·Relief 算法 | 第20-23页 | ·Simba 算法 | 第23-25页 | ·对辐射源数据的实验及分析 | 第25-28页 | ·本章小结 | 第28-29页 | 第三章 基于SVM-RFE 的特征选择及改进算法 | 第29-45页 | ·引言 | 第29页 | ·基于SVM-RFE 的特征选择算法 | 第29-32页 | ·支持向量机(SVM) | 第29-30页 | ·支持向量机递归特征排除(SVM-RFE) | 第30-31页 | ·多类SVM-RFE 特征选择算法(MSVM-RFE) | 第31-32页 | ·基于互信息的特征选择算法 | 第32-35页 | ·信息熵 | 第32-33页 | ·条件熵和联合熵 | 第33-34页 | ·互信息 | 第34页 | ·基于最大相关和最小冗余的特征选择算法(MRMR) | 第34-35页 | ·基于相关冗余的SVM-RFE 特征选择 | 第35-43页 | ·“大小球”问题研究 | 第35-36页 | ·基于相关冗余的SVM-RFE 算法(MRMR-SVM-RFE) | 第36-37页 | ·实验及结果分析 | 第37-43页 | ·本章小结 | 第43-45页 | 第四章 雷达辐射源识别中的在线学习 | 第45-59页 | ·引言 | 第45-46页 | ·四种在线学习算法介绍 | 第46-53页 | ·Perceptron 算法 | 第46页 | ·Projectron 算法 | 第46-48页 | ·Passive-Aggressive 算法 | 第48-50页 | ·在线独立支持向量机 | 第50-53页 | ·对辐射源数据的实验及分析 | 第53-57页 | ·本章小结 | 第57-59页 | 第五章 总结与展望 | 第59-61页 | ·全文总结 | 第59-60页 | ·未来展望 | 第60-61页 | 致谢 | 第61-62页 | 参考文献 | 第62-66页 | 作者在读期间的研究成果 | 第66-67页 |
|
|
|
|
论文编号BS149672,这篇论文共67页 会员购买按0.35元/页下载,共需支付23.45元。 直接购买按0.5元/页下载,共需要支付33.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|