本文關(guān)鍵詞：基于深度學(xué)習(xí)的脈沖星識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)　出處：《貴州大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 深度學(xué)習(xí) RBM 脈沖星識(shí)別 Hadoop

【摘要】：500米口徑球面射電望遠(yuǎn)鏡-FAST,是中國(guó)科技最重要的基礎(chǔ)設(shè)施之一。FAST項(xiàng)目的目標(biāo)之一是發(fā)現(xiàn)5000顆脈沖星,經(jīng)過初步估計(jì)候選的脈沖星信號(hào)多達(dá)100萬以上。要在龐大數(shù)量的候選脈沖星信號(hào)中去找出數(shù)量很少的真實(shí)脈沖星信息,如果依靠人工去識(shí)別脈沖星信號(hào),工作量太過巨大,對(duì)于人力、財(cái)力和時(shí)間的投入都是不現(xiàn)實(shí)的。使用計(jì)算機(jī)來對(duì)星體信號(hào)進(jìn)行識(shí)別,將極大的減少人力和財(cái)力支出,節(jié)省大量時(shí)間,極大的提高對(duì)脈沖星的識(shí)別效率,促進(jìn)FAST目標(biāo)的順利實(shí)現(xiàn)。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)近年來新興的一個(gè)熱點(diǎn)研究方向,在圖像識(shí)別領(lǐng)域取得了巨大的成功。本文基于深度學(xué)習(xí)方法研究脈沖星信號(hào)識(shí)別,設(shè)計(jì)并實(shí)現(xiàn)了脈沖星識(shí)別的軟件系統(tǒng)。完成的研究工作包括:(1)參考脈沖星的人工識(shí)別方法,研究基于深度學(xué)習(xí)的脈沖星識(shí)別綜合模型。綜合模型融合了基于深度學(xué)習(xí)的圖像識(shí)別算法和對(duì)數(shù)值信息分類的BP人工神經(jīng)網(wǎng)絡(luò)算法。實(shí)驗(yàn)結(jié)果表明,本文提出的脈沖星識(shí)別算法是可行的;(2)設(shè)計(jì)并實(shí)現(xiàn)了脈沖星識(shí)別的軟件系統(tǒng),在分布式計(jì)算框架Hadoop上,結(jié)合HDFS和MySQL數(shù)據(jù)庫(kù)各自的優(yōu)點(diǎn),將海量的候選脈沖星圖像文件存儲(chǔ)在HDFS中,將系統(tǒng)配置信息、脈沖星識(shí)別結(jié)果等元數(shù)據(jù)信息存儲(chǔ)在MySQL數(shù)據(jù)庫(kù)中,充分利用Hadoop分布式計(jì)算的優(yōu)勢(shì),將圖像處理等計(jì)算密集型操作采用分布式實(shí)現(xiàn)。
[Abstract]:......
【學(xué)位授予單位】：貴州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：P111.44;TP391.41
，

本文編號(hào)：1355554