本文關(guān)鍵詞：基于BP神經(jīng)網(wǎng)絡(luò)和SVM的信號(hào)分類方法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：生產(chǎn)過(guò)程中的大量數(shù)據(jù)信號(hào)中包含了許多重要信息,這些信息關(guān)系到生產(chǎn)設(shè)備的安全性能,影響到產(chǎn)品的質(zhì)量,也是檢測(cè)故障的關(guān)鍵信息。生產(chǎn)過(guò)程中一旦出現(xiàn)故障,不僅僅會(huì)造成重大的經(jīng)濟(jì)損失,還會(huì)危及到人身和設(shè)備的安全。對(duì)信號(hào)的分類處理恰好可以很好的解決設(shè)備生產(chǎn)的安全問(wèn)題,對(duì)數(shù)據(jù)信號(hào)進(jìn)行分類處理,分析信號(hào)中的有用信息,檢測(cè)設(shè)備是否存在故障,保證生產(chǎn)的安全性,是一項(xiàng)極其重要的工作。本文首先分析和研究了基于BP神經(jīng)網(wǎng)絡(luò)的信號(hào)分類方法,設(shè)計(jì)BP網(wǎng)絡(luò)模型,結(jié)合PCA降維和小波包去噪處理等方法,研究了基于數(shù)據(jù)預(yù)處理的BP分類的改進(jìn)方法,同時(shí)將遺傳算法和粒子群優(yōu)化算法應(yīng)用于BP網(wǎng)絡(luò)分類方法中,進(jìn)一步優(yōu)化BP網(wǎng)絡(luò)模型,改善BP分類方法,并通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了改進(jìn)后的BP網(wǎng)絡(luò)分類方法的有效性。針對(duì)BP網(wǎng)絡(luò)分類方法的存在分類精度低等缺點(diǎn),進(jìn)一步分析研究了基于支持向量機(jī)(SVM)的分類方法,通過(guò)合理選取核函數(shù)和相關(guān)參數(shù),給出了SVM分類算法的步驟,并將數(shù)據(jù)預(yù)處理方法應(yīng)用到數(shù)據(jù)處理中,重點(diǎn)研究基于數(shù)據(jù)預(yù)處理的SVM分類方法,并將遺傳算法和粒子群算法分別與SVM分類方法相結(jié)合,進(jìn)一步優(yōu)化SVM的組合參數(shù),提高SVM分類方法的準(zhǔn)確性。通過(guò)實(shí)驗(yàn)仿真驗(yàn)證了改進(jìn)型SVM分類方法的可行性和有效性。最后分別從運(yùn)行時(shí)間和分類精度兩個(gè)標(biāo)準(zhǔn)對(duì)改進(jìn)的BP網(wǎng)絡(luò)的分類方法和改進(jìn)的SVM的分類方法進(jìn)行了比較和評(píng)價(jià),仿真實(shí)驗(yàn)結(jié)果證明SVM分類方法更優(yōu)于BP網(wǎng)絡(luò)分類方法。
【關(guān)鍵詞】：信號(hào)分類 BP神經(jīng)網(wǎng)絡(luò) 支持向量機(jī)(SVM) PCA降維 小波包消噪 遺傳算法(GA) 粒子群算法(PSO)
【學(xué)位授予單位】：南京師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP183;TN911.7
【目錄】：

• 摘要3-4
• Abstract4-8
• 第1章 緒論8-14
• 1.1 課題研究的背景及意義8-9
• 1.2 信號(hào)分類方法的研究現(xiàn)狀9-12
• 1.2.1 信號(hào)分類方法的研究現(xiàn)狀9-10
• 1.2.2 神經(jīng)網(wǎng)絡(luò)在分類問(wèn)題中的應(yīng)用與研究現(xiàn)狀10-11
• 1.2.3 支持向量機(jī)在分類處理中的應(yīng)用與研究現(xiàn)狀11-12
• 1.3 課題研究的主要內(nèi)容和論文結(jié)構(gòu)12-14
• 第2章 BP神經(jīng)網(wǎng)絡(luò)和SVM的基本分類理論14-26
• 2.1 分類理論概述14-15
• 2.1.1 分類的定義14
• 2.1.2 幾種常見(jiàn)的分類方法14-15
• 2.2 BP神經(jīng)網(wǎng)絡(luò)的分類理論15-20
• 2.2.1 人工神經(jīng)網(wǎng)絡(luò)的概述15-19
• 2.2.2 BP神經(jīng)網(wǎng)絡(luò)分類19-20
• 2.3 支持向量機(jī)(SVM)的分類理論20-24
• 2.3.1 統(tǒng)計(jì)學(xué)習(xí)理論的概述20-22
• 2.3.2 支持向量機(jī)理論22-24
• 2.3.3 SVM分類理論24
• 2.4 本章小結(jié)24-26
• 第3章 基于BP神經(jīng)網(wǎng)絡(luò)的信號(hào)分類方法的研究26-54
• 3.1 基于BP神經(jīng)網(wǎng)絡(luò)分類方法的研究26-41
• 3.1.1 BP神經(jīng)網(wǎng)絡(luò)分類算法和設(shè)計(jì)26-30
• 3.1.2 基于數(shù)據(jù)預(yù)處理的BP分類方法的研究30-34
• 3.1.3 實(shí)驗(yàn)與結(jié)果分析34-41
• 3.2 基于遺傳算法(GA)的BP網(wǎng)絡(luò)分類方法的研究41-48
• 3.2.1 遺傳算法(GA)41-44
• 3.2.2 GA優(yōu)化BP網(wǎng)絡(luò)權(quán)值和結(jié)構(gòu)的算法設(shè)計(jì)44-45
• 3.2.3 實(shí)驗(yàn)與結(jié)果分析45-48
• 3.3 基于粒子群算法(PSO)的BP網(wǎng)絡(luò)分類方法的研究48-51
• 3.3.1 粒子群優(yōu)化算法(PSO)49-50
• 3.3.2 PSO優(yōu)化BP網(wǎng)絡(luò)權(quán)值和結(jié)構(gòu)的算法設(shè)計(jì)50-51
• 3.4 實(shí)驗(yàn)分析51-52
• 3.5 本章小結(jié)52-54
• 第4章 基于SVM的信號(hào)分類方法的研究54-78
• 4.1 基于SVM的分類方法的研究54-67
• 4.1.1 SVM分類算法和設(shè)計(jì)54-59
• 4.1.2 基于數(shù)據(jù)預(yù)處理的SVM分類方法59-60
• 4.1.3 實(shí)驗(yàn)結(jié)果與分析60-67
• 4.2 基于遺傳(GA)的SVM分類方法的研究67-70
• 4.2.1 GA優(yōu)化SVM參數(shù)的算法及設(shè)計(jì)67-68
• 4.2.2 實(shí)驗(yàn)與結(jié)果分析68-70
• 4.3 基于粒子群(PSO)的SVM分類方法的研究70-74
• 4.3.1 PSO優(yōu)化SVM參數(shù)的算法及設(shè)計(jì)70-71
• 4.3.2 實(shí)驗(yàn)與結(jié)果分析71-74
• 4.4 實(shí)驗(yàn)分析74-75
• 4.5 基于BP神經(jīng)網(wǎng)絡(luò)和SVM的信號(hào)分類方法的比較75-77
• 4.6 本章小結(jié)77-78
• 第5章 總結(jié)與展望78-80
• 5.1 工作總結(jié)78-79
• 5.2 研究展望79-80
• 參考文獻(xiàn)80-86
• 在讀期間發(fā)表的學(xué)術(shù)論文及研究成果86-87
• 致謝87

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前6條

1 吳勇;吳傳生;劉小雙;;小波包分析在振動(dòng)測(cè)試信號(hào)去噪中的應(yīng)用[J];安徽師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年01期

2 閔建虎;趙振勇;;基于遺傳算法的BP網(wǎng)絡(luò)學(xué)習(xí)算法研究[J];電子科技;2008年11期

3 白潤(rùn)才,殷伯良,孫慶宏;BP神經(jīng)網(wǎng)絡(luò)模型在城市環(huán)境質(zhì)量評(píng)價(jià)中的應(yīng)用[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年03期

4 魯懷偉,杜三山;一種小波包去噪自適應(yīng)閾值算法[J];蘭州鐵道學(xué)院學(xué)報(bào);2001年06期

5 王桂洋;張亞庭;;基于APSO優(yōu)化算法的GCHP系統(tǒng)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制[J];計(jì)算機(jī)測(cè)量與控制;2014年01期

6 彭朝琴;曹純;黃姣英;劉秋生;;Seismic signal recognition using improved BP neural network and combined feature extraction method[J];Journal of Central South University;2014年05期

  本文關(guān)鍵詞：基于BP神經(jīng)網(wǎng)絡(luò)和SVM的信號(hào)分類方法的研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：293703