| 【中文题名】 | 模糊神经网络用于目标识别的研究 |
| 【英文题名】 | The Application of Fuzzy Neural Network in Target Recognition |
| 【学科专业】 | 信号与信息处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-21 |
| 【中关键词】 | 水下目标识别,特征提取,模糊分类,模糊神经网络,自适应模糊神经网络,模糊聚类网络 |
| 【英关键词】 | underwater target recognition,feature extraction,FNN-base classifier,adaptive neuro-Fuzzy inference system,fuzzy cluster neural networks, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
水下目标识别是实现水声设备与武器系统智能化的关键技术。它一直是海军部门久攻不克，悬之未决的技术难题。声回波识别是水下目标远程识别的主要手段。本论文的研究对象是声回波识别，主要要求区分真假目标。论文利用已有的水雷目标的声回波特征提取方法，采用新兴的模糊神经网络技术，与具体目标及其应用环境相结合，设计出两类具有一定自适应性和泛化能力的分类器，并用实际的真假水雷目标实验数据测试了基于模糊分类器识别系统的性能。
模糊神经网络结合了模糊系统和神经网络的优点，同时具有模糊逻辑易于表达人类知识和神经网络的分布式信息存储以及学习能力的优点，可以用于针对从水下目标回波信号提取的特征的多维性，模糊性，以及自动提取模糊规则和适应复杂环境。论文给出了两种应用模糊神经网络设计的分类器。
分类器Ⅰ是基于模糊聚类网络设计的，所用的网络是模糊Kohonen聚类网络，它的实质是用Kohonen类型的算法实现模糊c-均值聚类；它与经典自组织映射算法的结合将能够大大加快自组织模型的收敛速度，能够较快地获得待聚类数据的中心点。此分类器可利用聚类算法可以轻松获得前件网络中的模糊规则数及隶属度函数的形状，该算法是对整个输入空间... |
| 【论文题纲】 |
|
摘要 |
5-7 |
|
ABSTRACT |
7-11 |
|
第1章 绪论 |
11-22 |
|
1.1 水下目标识别发展状况 |
11-12 |
|
1.2 水下目标识别进展及研究方向 |
12-14 |
|
1.3 特征提取 |
14-17 |
|
1.4 模糊神经网络分类器 |
17-20 |
|
1.5 本论文研究工作内容 |
20-22 |
|
第2章 模糊神经网络 |
22-42 |
|
2.1 模糊系统与人工神经网络 |
22 |
|
2.2 模糊系统 |
22-28 |
|
2.2.1 模糊逻辑 |
23-27 |
|
2.2.2 模糊系统描述 |
27-28 |
|
2.3 人工神经网络 |
28-33 |
|
2.3.1 人工神经元的基本模型 |
28-30 |
|
2.3.2 常用两种的人工神经网络(BP和SOFM网络) |
30-33 |
|
2.4 神经网络与模糊推理系统的比较 |
33-36 |
|
2.4.1 性能比较 |
33-34 |
|
2.4.2 神经网络和模糊系统的缺陷 |
34-36 |
|
2.5 模糊神经网络 |
36-41 |
|
2.5.1 模糊神经元 |
36-39 |
|
2.5.2 FNN的系统结构 |
39-41 |
|
2.6 本章小结 |
41-42 |
|
第3章 基于模糊聚类网络的分类器设计 |
42-50 |
|
3.1 模糊聚类网络 |
42-45 |
|
3.1.1 Kohonen神经网络 |
42-43 |
|
3.1.2 模糊自组织特征映射模型 |
43-45 |
|
3.2 分类器设计 |
45-49 |
|
3.3 本章小结 |
49-50 |
|
第4章 基于自适应模糊神经网络的分类器设计 |
50-64 |
|
4.1 自适应模糊神经网络 |
50-55 |
|
4.1.1 ANFIS的网络结构 |
50-52 |
|
4.1.2 ANFIS的系统描述 |
52-54 |
|
4.1.3 ANFIS的误差反向传播学习算法 |
54-55 |
|
4.2 分类器设计 |
55-63 |
|
4.2.1 从数据信息中产生模糊规则 |
55-59 |
|
4.2.2 ANFIS分类器的实验研究 |
59-61 |
|
4.2.3 参数化的隶属度函数 |
61-63 |
|
4.3 本章小结 |
63-64 |
|
第5章 数据处理及软件开发 |
64-70 |
|
5.1 软件开发 |
64-67 |
|
5.2 数据处理 |
67-69 |
|
5.2.1 实验数据处理 |
67-68 |
|
5.2.2 识别结果分析 |
68-69 |
|
5.3 本章小结 |
69-70 |
|
结论 |
70-71 |
|
参考文献 |
71-77 |
|
攻读硕士学位期间发表的论文和取得的科研成果 |
77-78 |
|
致谢 |
78 |
|
| 【DOI】 | LunWen.ID:2.2008.388807 |
