本书是地下核爆炸与天然地震识别领域的一本专著,全书共分9章,主要从地球物理与信号处理及模式识别相结合的角度论述核爆地震信号的初至点检测、特征提取与选择、分类器设计、训练与识别等关键技术。本书理论体系完整,并注重与实际应用的紧密结合,既有基础性又有实用性,适合禁核试核查领域从事教学、科研的工作者和工程技术人员参考阅读,也可作为相关专业研究生的专业教材和参考书。
全部显示 ∨
致读者0
国防科技图书出版基金第六届评审委员会组成人员0
前言0
第1章 绪论11.1 核爆地震监测1
1.2 核爆地震监测历史、现状与趋势31.2.1 核爆地震波区域特征及传播6
1.2.2 源特征研究9
1.2.3 核爆地震识别技术11
1.2.4 核爆地震监测的未来发展23
1.3 核爆地震识别的传统方法24
1.4 地震波基础知识321.4.1 地震波34
1.4.2 爆炸激发地震波37
1.4.3 地震波的运动学特征43
1.4.4 地震波的动力学特征46
1.4.5 地震波探测方法与技术47
1.5 核爆地震数据集56
参考文献57
第2章 模式识别的基本理论662.1 基本概念和方法662.1.1 统计模式识别66
2.1.2 句法模式识别69
2.1.3 智能模式识别70
2.2 特征提取与选择712.2.1 特征提取72
2.2.2 特征选择72
2.3 分类器设计742.3.1 线性判别函数75
2.3.2 非线性判别函数76
2.3.3 其他分类判决77
参考文献78
第3章 核爆地震信号分析与预处理803.1 核爆地震信号的常规处理80
3.2 核爆地震信号的分形与混沌分析853.2.1 核爆地震信号的分形分析85
3.2.2 基于重采样的混沌序列相空间重构算法87
3.2.3 基于相空间相关性与PCA的嵌入维和时间延迟选择算法93
3.3 数据预处理983.3.1 事件的检测98
3.3.2 初至点检测99
参考文献106
第4章 核爆地震信号的特征提取与选择1104.1 常用的特征提取与选择方法1104.1.1 时域特征110
4.1.2 频域特征115
4.1.3 时频域特征116
4.1.4 特征选择方法118
4.2 基于PCA和KPCA的特征提取119
4.3 基于最佳分类主分量分析的特征提取算法123
4.4 多分辨率能量分形特征提取算法127
4.5 基于核非负矩阵分解的特征提取算法1294.5.1 非负矩阵分解的基本理论129
4.5.2 基于NMF的核爆地震特征提取131
4.5.3 核非负矩阵分解(KNMF)算法135
4.5.4 基于KNMF的核爆地震特征提取136
4.6 基于时频分析的特征提取算法1374.6.1 时频平面上的谱比值特征和矩特征138
4.6.2 时频平面上的时频面积特征139
4.6.3 时频表示的奇异值特征140
4.7 基于序优化的核爆地震特征选择1404.7.1 序优化概述140
4.7.2 基于序优化的核爆地震特征选择142
4.8 基于Gamma Test的特征选择1444.8.1 Gamma Test理论概述144
4.8.2 基于Gamma Test的核爆地震特征选择145
4.9 基于序优化和Gamma Test的核爆地震特征选择146
参考文献147
第5章 核爆地震信号的传统判别分析1505.1 一维特征空间中的二分法150
5.2 基于近邻规则的核爆地震模式识别1505.2.1 基于最近邻方法的分类器设计150
5.2.2 基于K近邻方法的分类器设计151
5.2.3 基于模糊变权K近邻方法的分类器设计151
5.3 基于最小均方误差准则的分类器设计152
5.4 基于Fisher和KFisher判别的核爆地震模式识别156
5.5 基于K相关的核爆地震模式识别1605.5.1 K相关分类原理161
5.5.2 核爆地震分类实验162
参考文献163
第6章 核爆地震信号的非线性判别分析1646.1 基于支持向量机的核爆地震模式识别1646.1.1 基于支持向量机的核爆地震自动识别164
6.1.2 基于先验知识的核函数构造169
6.1.3 信息几何在支持向量机中的应用171
6.2 基于隐马尔可夫模型的核爆地震模式识别1766.2.1 隐马尔可夫模型176
6.2.2 HMM基本算法177
6.2.3 HMM的类型181
6.2.4 矢量量化编码181
6.2.5 HMM在核爆地震模式识别中的应用183
6.3 基于最近邻支持向量特征线融合的核爆地震模式识别1876.3.1 最近邻特征线分类算法及分析188
6.3.2 最近邻支持向量特征线分类算法及应用189
6.3.3 基于最近邻支持向量特征线融合的分类器设计及应用191
6.4 基于核K相关的核爆地震模式识别1936.4.1 算法阐述193
6.4.2 分类实验及结果分析194
6.5 基于分类器集成的核爆地震模式识别1966.5.1 分类器组合方法的优点196
6.5.2 分类器输出结果融合规则197
6.5.3 基于样本重采样的分类器组合199
6.5.4 基于模糊积分的分类器组合201
6.6 核爆地震识别中的特征相空间研究2066.6.1 基本思路与方法原理208
6.6.2 吸引子维数计算与结果分析210
6.6.3 特征相空间等价性的数值实验及结果分析211
6.6.4 讨论与应用215
参考文献216
第7章 神经网络在核爆地震模式识别中的应用2207.1 神经网络基本原理2207.1.1 神经网络基本概念220
7.1.2 BP网络模型与BP算法220
7.2 神经网络在核爆地震模式识别中的应用2227.2.1 标准BP算法的识别结果223
7.2.2 BP网络的改进学习算法225
7.2.3 改进算法的选择及其识别结果232
7.3 遗传算法在神经网络模式识别中的应用2347.3.1 遗传算法的基本原理234
7.3.2 基于GA的多层前馈神经网络学习算法235
7.3.3 MFANN的泛化学习GA算法238
7.3.4 泛化学习GA算法在核爆地震模式识别中的应用241
参考文献243
第8章 协同神经网络与核爆地震模式识别2448.1 协同模式识别方法简述2448.1.1 常用的协同模式识别算法246
8.1.2 协同模式识别算法中的关键技术247
8.2 基于支持向量样本加权平均的原型模式选择算法2518.2.1 算法阐述251
8.2.2 对算法的进一步改进252
8.2.3 分类实验与结果分析253
8.3 基于模糊C-均值的原型模式选择算法2548.3.1 算法阐述[18]254
8.3.2 分类实验与结果分析255
8.4 变步长的基于奖惩学习机制的注意参数训练算法2578.4.1 算法阐述257
8.4.2 分类实验与结果分析257
8.5 基于核函数的协同模式识别2598.5.1 基于核函数的协同模式识别算法259
8.5.2 分类实验与结果分析261
参考文献263
第9章 核爆地震模式识别的模糊综合评判2659.1 模糊集的基本知识[2]2659.1.1 模糊特征和模糊分类266
9.1.2 模糊关系与模糊变换[3]267
9.2 模糊综合评判模型2679.2.1 模糊综合评判的初始模型267
9.2.2 多层次模糊综合评判268
9.2.3 广义运算子模糊综合评判270
9.3 核爆地震模式识别的模糊综合评判2709.3.1 方法思路270
9.3.2 权向量构造271
9.3.3 单因素评判矩阵272
9.3.4 多层次模糊综合评判274
9.3.5 模糊综合评判识别结果及分析275
9.4 核爆地震模式识别系统框架:挑战与展望2779.4.1 核爆地震模式识别系统框架277
9.4.2 挑战与展望278
参考文献279
附录 名词术语中英文对照280
后记285
内容简介286