[
-
内容大纲
本书系统深入地论述了机器学习与水声目标识别的理论和方法，内容从基础理论到实际应用，涵盖了复杂海洋环境下水声目标特性、机器学习与水声目标识别的基本理论、经典机器学习算法在水声目标识别中的应用、专用深度学习水声目标识别方法、类脑听觉深度学习水声目标识别方法及水声目标深度识别网络的可视化与可解释；并详细论述了面向边缘设备的水声目标深度学习识别系统的设计、部署与优化策略。本书还提供了丰富的实战算法与工程实践案例。
本书可作为高等院校人工智能、水声工程等专业的课程参考书，也可供计算机信息处理、水声信号处理等领域从事人工智能、模式识别、机器学习、数据挖掘工作的学者、工程师等参考。 -
作者介绍
-
目录
第1章 水声目标识别基本原理
1.1 水声目标识别系统
1.2 基于机器学习的水声目标识别系统的工作原理
1.3 水声目标特征提取
1.3.1 时域波形结构特征提取
1.3.2 频域谱特征提取
1.3.3 时频分析特征提取
1.3.4 听觉感知特征提取
1.4 水声目标特征选择
1.5 水声目标识别的分类器设计
1.6 基于深度学习的水声目标识别
1.7 基于类脑智能的水声目标识别
1.8 本章小结
参考文献
第2章 海洋中的声音
2.1 声音的基本概念
2.1.1 声音
2.1.2 声音的基本参量
2.2 海洋噪声综述
2.2.1 海洋中的声音类型
2.2.2 舰船辐射噪声
2.2.3 海洋哺乳动物叫声
2.3 船舶类型及分类规则
2.3.1 劳埃德船级社船舶类型划分方法
2.3.2 按照国际海事组织规定进行船舶类型划分
2.4 海洋声环境特性
2.4.1 海洋声传播损失
2.4.2 海洋声传播理论
2.4.3 海洋声信道特性
2.5 海洋环境噪声特性
2.6 舰船辐射噪声特性
2.6.1 舰船辐射噪声的组成及特性
2.6.2 船舶工况对舰船辐射噪声特性的影响
2.6.3 基于特征分析的舰船辐射噪声特性分析
2.7 海洋哺乳动物叫声特性
2.8 本书使用的水声目标数据
2.8.1 舰船辐射噪声数据
2.8.2 海洋哺乳动物叫声数据
2.9 本章小结
参考文献
第3章 机器学习基础
3.1 机器学习的概念
3.1.1 机器学习问题
3.1.2 机器学习算法的分类
3.2 回归分析的含义、分类及应用
3.3 一元线性回归算法
3.3.1 一元线性回归模型
3.3.2 损失函数
3.3.3 一元线性回归应用实例
3.4 一元线性回归梯度下降求解方法
3.4.1 随机梯度下降法
3.4.2 批量梯度下降法
3.4.3 小批量梯度下降法
3.5 多元线性回归算法
3.5.1 多元线性回归原理
3.5.2 多元线性回归应用实例
3.6 逻辑回归算法
3.6.1 逻辑回归原理
3.6.2 逻辑回归应用实例
3.7 常用的机器学习算法评价指标
3.7.1 欠拟合与过拟合
3.7.2 机器学习模型的性能评价指标
3.8 本章小结
第4章 水声目标特征提取
4.1 水声目标时频域特征提取方法
4.1.1 波形结构特征
4.1.2 小波变换特征
4.2 水声目标听觉特征提取方法
4.2.1 心理声学参数特征
4.2.2 听觉谱特征
4.3 水声目标特征提取实验
4.4 本章小结
第5章 水声目标特征选择与压缩
5.1 水声目标特征选择定义
5.1.1 特征相关性定义
5.1.2 特征选择定义
5.2 特征选择过程
5.2.1 特征子集生成
5.2.2 特征子集评价
5.2.3 特征子集搜索的终止
5.2.4 选择结果确认
5.3 特征选择方法及算法实现
5.3.1 滤波式
5.3.2 封装式
5.3.3 混合式
5.3.4 嵌入式
5.4 特征选择算法的评价指标
5.4.1 特征选择算法的两个重要参数
5.4.2 特征选择算法的稳定性评价指标
5.5 本章小结
第6章 基于支持向量机的水声目标分类
6.1 统计学习理论
6.1.1 统计学习理论的研究背景
6.1.2 机器学习模型
6.1.3 经验风险最小化原则
6.1.4 统计学习理论的核心内容
6.2 支持向量机水声目标识别原理
6.2.1 线性支持向量机
6.2.2 非线性支持向量机
6.2.3 SVM多类分类算法
6.3 支持向量机分类器的分类性能估计
6.4 支持向量机核函数及其参数选择与实验
6.4.1 SVM核函数及其参数的选择算法
6.4.2 水声目标数据的SVM核函数及其参数选择实验
6.5 水声目标识别实验
6.5.1 水声目标数据的分类识别实验
6.5.2 公共数据集SVM分类识别实验
6.5.3 实验结论
6.6 本章小结
第7章 基于单类分类支持向量机的水声目标半监督识别方法
7.1 单类分类支持向量机原理与算法实现
7.1.1 单类分类支持向量机算法
7.1.2 支持向量数据描述算法
7.1.3 等价条件分析
7.2 参数C、σ对分界面的影响
7.2.1 错分惩罚因子C对分界面的影响
7.2.2 RBF核函数参数σ对分界面的影响
7.2.3 SVDD参数选择实验
7.3 基于Tri-training的半监督SVDD算法与实验
7.3.1 Tri-SVDDE算法
7.3.2 基于Tri-SVDDE算法的水声目标识别实验
7.4 本章小结
第8章 水声目标集成学习识别方法
8.1 分类器集成概述
8.2 经典分类器集成方法
8.2.1 个体分类器构成
8.2.2 个体分类器集成
8.3 用于水声目标识别的分类器选择性集成算法及实验
8.4 基于SVDD集成的水下目标识别
8.4.1 SVDD分类器的Bagging集成
8.4.2 基于SVDD的多类水下目标识别算法
8.5 本章小结
第9章 深度学习识别模型基础
9.1 深度神经网络基本算法模块
9.1.1 人工神经元
9.1.2 全连接神经网络
9.1.3 自编码器
9.1.4 受限玻耳兹曼机
9.1.5 循环神经网络及其变体
9.1.6 卷积层及其变体
9.1.7 池化层
9.1.8 全局池化层
9.1.9 注意力模块
9.1.10 生成对抗网络
9.1.11 批量归一化
9.1.12 随机失活
9.2 经典激活函数的功能与特点
9.2.1 Sigmoid激活函数
9.2.2 tanh激活函数
9.2.3 ReLU激活函数及其变体
9.2.4 Softmax激活函数
9.3 经典损失函数构建方法与性能
9.3.1 平方损失
9.3.2 均方误差
9.3.3 绝对误差
9.3.4 平均绝对误差
9.3.5 平均绝对百分比误差
9.3.6 对数损失函数
9.3.7 交叉熵
9.4 深度神经网络的优化算法
9.4.1 梯度下降算法
9.4.2 批量梯度下降算法
9.4.3 随机梯度下降算法
9.4.4 小批量梯度下降算法
9.4.5 动量梯度下降算法
9.4.6 涅斯捷罗夫梯度加速算法
9.4.7 自适应的梯度下降算法
9.4.8 均方根传递
9.4.9 自适应矩估计算法
9.5 深度学习识别算法的评价指标
9.5.1 混淆矩阵
9.5.2 P-R曲线
9.5.3 F1分数
9.5.4 ROC曲线
9.5.5 AUC
参考文献
第10章 用于水声目标识别的深度学习方法、算法及实验
10.1 基于深度置信网络的水声目标识别
10.1.1 基于深度置信网络的水声目标识别原理
10.1.2 竞争深度置信水声目标识别原理
10.1.3 实验结果及分析
10.2 基于深度卷积神经网络的水声目标识别
10.2.1 基于深度卷积神经网络的水声目标识别原理
10.2.2 舰船个体识别实验
10.2.3 舰船个体识别实验结果及分析
10.2.4 水声通信调制识别实验
10.2.5 水声通信调制识别实验结果及分析
10.3 用于水声目标识别的时、频、空域注意力深度学习
10.3.1 基于通道注意力的水声目标识别原理
10.3.2 基于空间注意力的水声目标识别原理
10.3.3 基于频率注意力的水声目标识别原理
10.3.4 基于倍频注意力的水声目标识别原理
10.3.5 实验数据及实验设置
10.3.6 实验结果及分析
10.4 用于水声目标识别的时、频、空域自注意深度学习
10.4.1 基于水声特征通道自注意力机制的水声目标识别原理
10.4.2 基于水声特征时频自注意力机制的水声目标识别原理
10.4.3 基于水声特征频率自注意力机制的水声目标识别原理
10.4.4 实验数据及实验设置
10.4.5 实验结果及分析
10.5 基于深度递归神经网络的水声目标识别
10.5.1 基于深度递归神经网络的水声目标识别原理
10.5.2 水声目标识别实验
10.5.3 实验结果及分析
10.6 本章小结
第11章 基于深度集成学习的水声目标识别方法
11.1 深度神经网络集成学习理论和方法
11.1.1 机器学习集成学习方法
11.1.2 结合方法
11.1.3 集成模型的性能影响因素
11.2 深度神经网络集成学习的评价准则
11.3 基于多样性度量选择性集成的深度水声目标识别方法
11.3.1 选择性集成学习方法
11.3.2 基于多样性度量的识别模型子集选择算法
11.4 基于多样性度量选择性集成的深度水声目标识别实验
11.4.1 实验方法
11.4.2 实验结果及分析
11.5 本章小结
参考文献
第12章 基于图神经网络的水声目标识别方法
12.1 图神经网络基本原理
12.1.1 图的表示和性质
12.1.2 基于谱的图卷积方法
12.2 水声目标特征图构建
12.2.1 水声目标识别深度特征提取
12.2.2 水声目标识别人工提取特征
12.2.3 水声目标识别特征图的构建方法
12.3 基于图神经网络的水声目标识别多特征融合及识别系统
12.3.1 图神经网络结构及参数设置
12.3.2 构建图神经网络的输入
12.3.3 多特征融合及调制方式识别
12.4 基于图神经网络的水声目标识别实验
12.4.1 不同特征子集对识别性能的影响分析实验
12.4.2 特征图边关系对识别性能的影响分析实验
12.4.3 实测数据上的调制识别实验
12.5 本章小结
参考文献
第13章 水声目标深度识别网络可视化与可解释
13.1 水声目标深度识别网络的可视化与可解释概述
13.1.1 深度学习可视化与可解释的目的及意义
13.1.2 深度学习可视化与可解释的原理
13.2 水声目标深度识别网络可视化与可解释方法和实验
13.2.1 加权梯度类激活映射方法
13.2.2 最大激活方法
13.2.3 反卷积方法
13.2.4 基于特征降维t-SNE可视化方法
13.3 本章小结
参考文献
第14章 脑听觉感知及机制
14.1 人类大脑基本概念
14.2 人脑听觉系统
14.2.1 听觉外周
14.2.2 听觉中枢
14.3 脑听觉机制
14.3.1 听觉频率感知机制
14.3.2 音色感知机制
14.3.3 被动注意机制
14.3.4 主动选择性注意机制
14.4 本章小结
参考文献
第15章 基于类脑听觉深度学习的水声目标识别方法、算法及实验
15.1 基于神经竞争机制的深度水声目标识别
15.1.1 基于神经竞争机制的深度水声目标识别的原理
15.1.2 水声目标识别实验设计
15.1.3 水声目标识别实验结果及分析
15.2 基于听觉滤波机制的深度水声目标识别
15.2.1 基于听觉滤波机制的深度水声目标识别的原理
15.2.2 水声目标识别实验设计
15.2.3 水声目标识别实验结果及分析
15.3 基于深度频率分解机制的深度水声目标识别
15.3.1 基于深度频率分解机制的深度水声目标识别原理
15.3.2 水声目标识别实验设计
15.3.3 水声目标识别实验结果及分析
15.4 基于音色感知的深度水声目标识别
15.4.1 基于音色感知的深度水声目标识别原理
15.4.2 水声目标识别实验设计
15.4.3 水声目标识别实验结果及分析
15.5 基于多属性协同感知的深度水声目标识别
15.5.1 基于多属性协同感知的深度水声目标识别原理
15.5.2 水声目标识别实验设计
15.5.3 水声目标多属性协同感知实验结果及分析
15.6 类脑水声目标识别极深模型构建与优化
15.6.1 类脑水声目标识别极深模型原理
15.6.2 水声目标识别实验设计
15.6.3 水声目标识别实验结果及分析
15.7 基于听觉被动注意机制的水声目标识别
15.7.1 水声目标听觉被动注意理论与方法
15.7.2 水声目标听觉被动注意模型的损失函数构建及优化方法
15.7.3 单目标干扰条件下的水声目标识别实验设计
15.7.4 单目标干扰条件下的水声目标识别实验结果及分析
15.8 基于听觉主/被动融合注意的深度水声目标识别
15.8.1 多目标干扰条件下的水声目标识别问题
15.8.2 基于深度学习的水声目标听觉主/被动融合注意识别框架
15.8.3 水声目标听觉主动注意算法
15.8.4 多目标干扰条件下的决策方法
15.8.5 多目标干扰条件下的水声目标实验数据及模型
15.8.6 多目标干扰条件下的水声目标识别实验结果及分析
15.9 本章小结
第16章 面向边缘设备的水声目标深度学习识别
16.1 用于水声目标识别的边缘计算平台
16.2 轻量化水声目标识别深度学习模型
16.2.1 深度神经网络轻量化
16.2.2 轻量化网络结构设计
16.2.3 神经网络模型压缩
16.2.4 轻量化水声目标感知方法
16.3 水声目标深度识别网络模型网络剪枝方法
16.3.1 水声目标深度识别网络模型的权重剪枝与卷积核剪枝
16.3.2 剪枝识别模型的测试与评价
16.4 基于边缘计算平台的深度学习网络能耗剪枝方法
16.4.1 Jetson AGX Xavier计算平台
16.4.2 识别模型的推理速度
16.4.3 识别模型的推理能耗
16.4.4 基于推理能耗的识别模型卷积核剪枝方法
16.5 基于边缘计算平台的水声目标识别系统
16.5.1 硬件系统
16.5.2 软件系统
16.6 本章小结
参考文献
同类热销排行榜
- 故宫日历(公历2017年)(精)26.4
- 时间简史(插图版)18
- 工程数学线性代数(第6版十二五普通高等教育本科国家级规划教材)7.76
- 昆虫记(精)/经典译林8.72
- 数控铣床综合实训教程19.2
- 昆虫记(插图典藏本)(精)11.2
- 化工制图习题集(普通高等教育规划教材)7.2
- 化工制图(普通高等教育规划教材)15.8
- 生命急救技能14
- 时间简史(普及版)(精)15.2
推荐书目
-
孩子你慢慢来/人生三书 华人世界率性犀利的一枝笔，龙应台独家授权《孩子你慢慢来》20周年经典新版。她的《...
-
时间简史(插图版) 相对论、黑洞、弯曲空间……这些词给我们的感觉是艰深、晦涩、难以理解而且与我们的...
-
本质(精) 改革开放40年，恰如一部四部曲的年代大戏。技术突变、产品迭代、产业升级、资本对接...