針對短時窗平均/長時窗平均算法從次聲臺站監(jiān)測數(shù)據(jù)中提取的信號仍然包含噪聲的問題,對支持向量機和人工神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)方法進行了研究。采用小波包分解的方法對信號進行重構(gòu),提取出各頻帶內(nèi)的重構(gòu)信號能量特征,對事件信號和噪聲進行了識別實驗,并分析了提高識別能力的方法,為工程應(yīng)用提供理論參考。實驗結(jié)果表明,在訓(xùn)練數(shù)據(jù)集不大的情況下,通過優(yōu)化模型結(jié)構(gòu)可以將兩種方法的識別能力提高到可以接受的水平。 

【文章來源】：應(yīng)用聲學(xué). 2020,39(02)北大核心CSCD

【文章頁數(shù)】：9 頁

【文章目錄】：
0 引言
1 次聲信號檢測
2 基于小波包分解的信號能量特征
3 基于SVM的次聲事件識別
    3.1 SVM理論
        3.1.1 基本思想
        3.1.2 核函數(shù)
        3.1.3 松弛變量
    3.2 次聲事件識別
    3.3 結(jié)果分析
4 基于ANN的次聲事件識別
    4.1 ANN模型
    4.2 次聲事件識別
    4.3 結(jié)果分析
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]微地震事件不同初至拾取方法的對比分析[J]. 段建華.  煤田地質(zhì)與勘探. 2014(03)
[2]支持向量機理論及算法研究綜述[J]. 汪海燕,黎建輝,楊風(fēng)雷.  計算機應(yīng)用研究. 2014(05)
[3]核爆次聲監(jiān)測技術(shù)的研究現(xiàn)狀與技術(shù)可行性分析[J]. 程先友,青建華,龐新良.  核電子學(xué)與探測技術(shù). 2013(04)
[4]支持向量機理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學(xué)學(xué)報. 2011(01)
[5]互相關(guān)算法在次聲監(jiān)測數(shù)據(jù)處理中的應(yīng)用[J]. 唐偉,劉俊民,王曉明,邱宏茂,蓋磊,王海軍.  環(huán)境工程. 2010(06)
[6]前向神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)的一種優(yōu)化算法[J]. 夏克文,李昌彪,沈鈞毅.  計算機科學(xué). 2005(10)
[7]基于支持向量機的核爆地震自動識別[J]. 張斌,李夕海,蘇娟,劉代志.  核電子學(xué)與探測技術(shù). 2005(01)
[8]神經(jīng)網(wǎng)絡(luò)的泛化理論和泛化方法[J]. 魏海坤,徐嗣鑫,宋文忠.  自動化學(xué)報. 2001(06)
[9]關(guān)于統(tǒng)計學(xué)習(xí)理論與支持向量機[J]. 張學(xué)工.  自動化學(xué)報. 2000(01)



本文編號：3601795