一种基于数据特征分析的迁移学习方法研究

迁移学习论文 MMD论文 梯度反转论文
论文详情
摘要第6-7页
abstract第7-8页
第1章 绪论第11-19页
    1.1 课题的研究背景及意义第11-12页
    1.2 国内外研究现状第12-16页
        1.2.1 水下声音信号预处理的研究现状第13-14页
        1.2.2 基于数据特征分析的迁移学习研究现状第14-16页
    1.3 主要研究内容和预期研究结果第16-17页
    1.4 本文的组织结构第17-19页
第2章 课题的相关技术第19-29页
    2.1 深度神经网络相关知识第19-21页
        2.1.1 卷积神经网络第19-20页
        2.1.2 孪生神经网络第20-21页
    2.2 迁移学习和领域适应第21-25页
        2.2.1 概率分布适配法第22-24页
        2.2.2 特征选择法第24页
        2.2.3 子空间学习法第24-25页
    2.3 水下声音处理技术第25-27页
    2.4 本章小结第27-29页
第3章 水下声音信号特征提取性能优化方法第29-39页
    3.1 MFCC声音特征提取方法的不足第29-31页
    3.2 基于NSST的时频信号分析方法第31-35页
        3.2.1 原始声音信号分解第31-33页
        3.2.2 将所有声音信号分量转换为光谱图第33-34页
        3.2.3 NSST时频信号处理流程第34-35页
    3.3 基于NSST的MFCC声音特征提取过程和算法第35-37页
        3.3.1 基于NSST的MFCC声音特征提取过程第35-36页
        3.3.2 基于NSST的MFCC水下声音特征提取算法第36-37页
    3.4 本章小结第37-39页
第4章 基于水下声音信号的迁移学习模型优化方法第39-51页
    4.1 整体模型架构第39-41页
        4.1.1 模型各部分概述第39-40页
        4.1.2 待解决问题的形式化描述第40-41页
    4.2 DFA之数据特征提取第41-42页
    4.3 DFA之类别分类器方法优化第42-45页
    4.4 DFA之域分类器方法优化第45-48页
        4.4.1 计算域分类器损失第45-47页
        4.4.2 参数动态调整算法描述第47-48页
    4.5 DFA迁移学习算法描述第48-50页
    4.6 本章小结第50-51页
第5章 实验及结果分析第51-63页
    5.1 实验环境配置第51页
    5.2 实验数据集和分类安排第51-53页
        5.2.1 实验数据集第51-52页
        5.2.2 数据集分类安排第52-53页
    5.3 实验结果及分析第53-61页
        5.3.1 水下声音特征提取对比实验第53-54页
        5.3.2 迁移学习模型分类精度对比实验第54-57页
        5.3.3 参数值选择对精度影响实验第57-58页
        5.3.4 模型全连接层层数确定实验第58-59页
        5.3.5 数据特征可视化结果第59-61页
    5.4 本章小结第61-63页
结论第63-65页
参考文献第65-70页
致谢第70页
论文购买
论文编号ABS4636003,这篇论文共70页
会员购买按0.30元/页下载,共需支付21
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付35
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656