電磁環(huán)境效應機理智能挖掘

第1章 緒論
1．1 概述
1．2 電磁環(huán)境效應與效應機理
1．2．1 電磁環(huán)境
1．2．2 電磁環(huán)境效應
1．2．3 電磁環(huán)境效應機理
1．3 效應機理研究中的問題和困難
1．3．1 輸出效應模糊，定量分析難
1．3．2 受體樣式多，規(guī)律總結難
1．3．3 歷史數(shù)據(jù)多，有效利用難
1．3．4 相關關系易尋，因果關系難證
1．4 貝葉斯網(wǎng)絡應用于效應機理研究
1．4．1 貝葉斯理論及貝葉斯網(wǎng)絡
1．4．2 貝葉斯網(wǎng)絡應用于效應機理研究的數(shù)學描述
1．4．3 貝葉斯網(wǎng)絡應用于效應機理研究需要解決的問題
1．5 基于貝葉斯網(wǎng)絡的電磁環(huán)境效應機理分析框架
第2章 雷達典型電磁環(huán)境及表征方法
2．1 電磁環(huán)境信號特性
2．1．1 壓制干擾信號特性分析
2．1．2 欺騙干擾信號特性分析
2．1．3 雜波信號特性分析
2．1．4 背景信號特性分析
2．1．5 復雜電磁環(huán)境要素特性參數(shù)
2．2 電磁環(huán)境要素參數(shù)提煉
2．2．1 參數(shù)提煉基本原理
2．2．2 壓制干擾參數(shù)提煉
2．2．3 欺騙干擾參數(shù)提煉
2．2．4 雜波參數(shù)提煉
2．2．5 背景信號參數(shù)提煉
2．2．6 電磁環(huán)境要素參數(shù)表征集
2．3 小結
第3章 雷達電磁環(huán)境效應分析及表征方法
3．1 基于領域知識的效應特征提取
3．1．1 雷達系統(tǒng)效應特征分析
3．1．2 雷達系統(tǒng)效應指標計算方法
3．1．3 雷達系統(tǒng)效應表征參數(shù)集
3．2 基于機器學習的效應特征提取
3．2．1 深度卷積神經(jīng)網(wǎng)絡
3．2．2 基于卷積神經(jīng)網(wǎng)絡的P顯圖像特征提取
3．3 融合領域知識與機器學習的效應特征構建
3．3．1 效應特征及融合方法
3．3．2 分析驗證
3．4 融合信號層與應用層的效應特征構建
3．4．1 基本理論與方法
3．4．2 分析驗證
3．5 小結
第4章 特征選擇與離散量化方法
4．1 特征選擇方法
4．1．1 典型流形學習算法
4．1．2 改進流形學習算法
4．1．3 特征評價
4．2 特征空間劃分方法
4．2．1 均勻劃分
4．2．2 非均勻劃分
4．2．3 K均值聚類
4．2．4 不同劃分方法精度對比分析
4．3 小結
……
第5章 效應機理貝葉斯網(wǎng)絡建模與推理分析
第6章 雷達電磁環(huán)境效應機理分析案例
參考文獻