核爆地震模式識別

第1章 緒論
1.1 核爆地震監(jiān)測
1.2 棱爆地震監(jiān)測歷史、現(xiàn)狀與趨勢
1.2.1 核爆地震波區(qū)域特征及傳播
1.2.2 源特征研究
1.2.3 核爆地震識別技術(shù)
1.2.4 核爆地震監(jiān)測的未來發(fā)展
1.3 核爆地震識別的傳統(tǒng)方法
1.4 地震波基礎(chǔ)知識
14.1 地震波
1.4.2 爆炸激發(fā)地震波
1.4.3 地震波的運(yùn)動學(xué)特征
14.4 地震波的動力學(xué)特征
1.4.5 地震波探測方法與技術(shù)
1.5 核爆地震數(shù)據(jù)集
參考文獻(xiàn)
第2章 模式識別的基本理論
2.1 基本概念和方法
2.1.1 統(tǒng)計(jì)模式識別
2.1.2 句法模式識別
21.3 智能模式識別
2.2 特征提取與選擇
2.2.1 特征提取
2.2 2特征選擇
2.3 分類器設(shè)計(jì)
2.3.1 線性判別函數(shù)
2.3.2 非線性判別函數(shù)
23.3 其他分類判決
參考文獻(xiàn)
第3章 核爆地震信號分析與預(yù)處理
3.1 核爆地震信號的常規(guī)處理
3.2 核爆地震信號的分形與混沌分析
3.2.1 核爆地震信號的分形分析
3.2.2 基于重采樣的混沌序列相空間重構(gòu)算法
3.2.3 基于相空間相關(guān)性與PCA的嵌入維和時間延遲選擇算法
3.3 數(shù)據(jù)預(yù)處理
3.3.1 事件的檢測
3.3.2 初至點(diǎn)檢測
參考文獻(xiàn)
第4章 核爆地震信號的特征提取與選擇
4.1 常用的特征提取與選擇方法
4.1.1 時域特征
4.1.2 頻域特征
4.1.3 時頻域特征
4.1.4 特征選擇方法
4.2 基于PCA和KPCA的特征提取
4.3 基于最佳分類主分量分析的特征提取算法
4.4 多分辨率能量分形特征提取算法
4.5 基于核非負(fù)矩陣分解的特征提取算法
4.5.1 非負(fù)矩陣分解的基本理論
4.5.2 基于NMF的核爆地震特征提取
4.5 3核非負(fù)矩陣分解（KNMF）算法
4.5.4 基于KNMF的核爆地震特征提取
4.6 基于時頻分析的特征提取算法
4.6.1 時頻平面上的譜比值特征和矩特征
4.6.2 時頻平面上的時頻面積特征
4.6.3 時頻表示的奇異值特征
4.7 基于序優(yōu)化的核爆地震特征選擇
4.7.1 序優(yōu)化概述
4.7.2 基于序優(yōu)化的核爆地震特征選擇
4.8 基于Gamma Test的特征選擇
4.8.1 Gamma Test理論概述
4.8.2 基于Gamma Test的核爆地震特征選擇
4.9 基于序優(yōu)化和Gamma Test的核爆地震特征選擇
參考文獻(xiàn)
第5章 核爆地震信號的傳統(tǒng)判別分析
5.1 一維特征空間中的二分法
5.2 基于近鄰規(guī)則的核爆地震模式識別
5.2.1 基于最近鄰方法的分類器設(shè)計(jì)
5.2.2 基于K近鄰方法的分類器設(shè)計(jì)
5.2.3 基于模糊變權(quán)x近鄰方法的分類器設(shè)計(jì)
5.3 基于最小均方誤差準(zhǔn)則的分類器設(shè)計(jì)
5.4 基于Fisher-和KFisher判別的核爆地震模式識別
5.5 基于x相關(guān)的核爆地震模式識別
5.5.1 K相關(guān)分類原理
5.5.2 核爆地震分類實(shí)驗(yàn)
參考文獻(xiàn)
第6章 核爆地震信號的非線性判別分析
6.1 基于支持向量機(jī)的核爆地震模式識別
6.1.1 基于支持向量機(jī)的核爆地震自動識別
6.1.2 基于先驗(yàn)知識的核函數(shù)構(gòu)造
6.1.3 信息幾何在支持向量機(jī)中的應(yīng)用
6.2 基于隱馬爾可夫模型的核爆地震模武識別
6.2.1 隱馬爾可夫模型
6.2.2 HMM基本算法
6.2.3 HMM的類型
6.2.4 矢量量化編碼
62.5 HMM在核爆地震模式識別中的應(yīng)用
6.3 基于最近鄰支持向量特征線融合的核爆地震模式識別
6.3.1 最近鄰特征線分類算法及分析
6.3.2 最近鄰支持向量特征線分類算法及應(yīng)用
6.3.3 基于最近鄰支持向量特征線融合的分類器設(shè)計(jì)及應(yīng)用
6.4 基于核K相關(guān)的核爆地震模式識別
64.1 算法闡述
6.4.2 分類實(shí)驗(yàn)及結(jié)果分析
6.5 基于分類器集成的核爆地震模式識別
6.5.1 分類器組合方法的優(yōu)點(diǎn)
6.5.2 分類器輸出結(jié)果融合規(guī)則
6.5.3 基于樣本重采樣的分類器組合
6.5.4 基于模糊積分的分類器組合
6.6 核爆地震識別中的特征相空間研究
6.6.1 基本思路與方法原理
6.6.2 吸引子維數(shù)計(jì)算與結(jié)果分析
6.6.3 特征相空間等價(jià)性的數(shù)值實(shí)驗(yàn)及結(jié)果分析
6.6.4 討論與應(yīng)用
參考文獻(xiàn)
第7章 神經(jīng)網(wǎng)絡(luò)在核爆地震模式識別中的應(yīng)用
7.1 神經(jīng)網(wǎng)絡(luò)基本原理
7.1.1 神經(jīng)網(wǎng)絡(luò)基本概念
7.1.2 BP網(wǎng)絡(luò)模型與BP算法
7.2 神經(jīng)網(wǎng)絡(luò)在核爆地震模式識別中的應(yīng)用
7.2.1 標(biāo)準(zhǔn)BP算法的識別結(jié)果
7.2.2 BP網(wǎng)絡(luò)的改進(jìn)學(xué)習(xí)算法
7.2.3 改進(jìn)算法的選擇及其識別結(jié)果
7.3 遺傳算法在神經(jīng)網(wǎng)絡(luò)模式識別中的應(yīng)用
7.3.1 遺傳算法的基本原理
7.3.2 基于GA的多層前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法
7.3.3 MFANN的泛化學(xué)習(xí)GA算法
7.3.4 泛化學(xué)習(xí)GA算法在核爆地震模式識別中的應(yīng)用
參考文獻(xiàn)
第8章 協(xié)同神經(jīng)網(wǎng)絡(luò)與核爆地震模式識別
8.1 協(xié)同模式識別方法簡述
8.1.1 常用的協(xié)同模式識別算法
8.1.2 協(xié)同模式識別算法中的關(guān)鍵技術(shù)
8.2 基于支持向量樣本加權(quán)平均的原型模式選擇算法
8.2.1 算法闡述
8.2.2 對算法的進(jìn)一步改進(jìn)
8.2.3 分類實(shí)驗(yàn)與結(jié)果分析
8.3 基于模糊c-均值的原型模式選擇算法
8.3.1 算法闡述
83.2 分類實(shí)驗(yàn)與結(jié)果分析
8.4 變步長的基于獎懲學(xué)習(xí)機(jī)制的注意參數(shù)訓(xùn)練算法
8.4.1 算法闡述
8.4.2 分類實(shí)驗(yàn)與結(jié)果分析
8.5 基于核函數(shù)的協(xié)同模式識別
8.5.1 基于核函數(shù)的協(xié)同模式識別算法
8.5.2 分類實(shí)驗(yàn)與結(jié)果分析
參考文獻(xiàn)
第9章 核爆地震模式識別的模糊綜合評判
9.1 模糊集的基本知識
9.1.1 模糊特征和模糊分類
9.1.2 模糊關(guān)系與模糊變換
9.2 模糊綜合評判模型
9.2.1 模糊綜合評判的初始模型
9.2.2 多層次模糊綜合評判
9.2.3 廣義運(yùn)算子模糊綜合評判
9.3 核爆地震模式識別的模糊綜合評判
9.3.1 方法思路
9.3.2 權(quán)向量構(gòu)造
9.3.3 單因素評判矩陣
9.3.4 多層次模糊綜合評判
9.3.5 模糊綜合評判識別結(jié)果及分析
9.4 核爆地震模式識別系統(tǒng)框架：挑戰(zhàn)與展望
9.4.1 核爆地震模式識別系統(tǒng)框架
9.4.2 挑戰(zhàn)與展望
參考文獻(xiàn)
附錄名詞術(shù)語中英文對照
后記