核爆地震模式识别

第1章 绪论

1.1 核爆地震监测

1.2 棱爆地震监测历史、现状与趋势

1.2.1 核爆地震波区域特征及传播

1.2.2 源特征研究

1.2.3 核爆地震识别技术

1.2.4 核爆地震监测的未来发展

1.3 核爆地震识别的传统方法

1.4 地震波基础知识

14.1 地震波

1.4.2 爆炸激发地震波

1.4.3 地震波的运动学特征

14.4 地震波的动力学特征

1.4.5 地震波探测方法与技术

1.5 核爆地震数据集

参考文献

第2章 模式识别的基本理论

2.1 基本概念和方法

2.1.1 统计模式识别

2.1.2 句法模式识别

21.3 智能模式识别

2.2 特征提取与选择

2.2.1 特征提取

2.2 2特征选择

2.3 分类器设计

2.3.1 线性判别函数

2.3.2 非线性判别函数

23.3 其他分类判决

参考文献

第3章 核爆地震信号分析与预处理

3.1 核爆地震信号的常规处理

3.2 核爆地震信号的分形与混沌分析

3.2.1 核爆地震信号的分形分析

3.2.2 基于重采样的混沌序列相空间重构算法

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

3.3 数据预处理

3.3.1 事件的检测

3.3.2 初至点检测

参考文献

第4章 核爆地震信号的特征提取与选择

4.1 常用的特征提取与选择方法

4.1.1 时域特征

4.1.2 频域特征

4.1.3 时频域特征

4.1.4 特征选择方法

4.2 基于PCA和KPCA的特征提取

4.3 基于最佳分类主分量分析的特征提取算法

4.4 多分辨率能量分形特征提取算法

4.5 基于核非负矩阵分解的特征提取算法

4.5.1 非负矩阵分解的基本理论

4.5.2 基于NMF的核爆地震特征提取

4.5 3核非负矩阵分解（KNMF）算法

4.5.4 基于KNMF的核爆地震特征提取

4.6 基于时频分析的特征提取算法

4.6.1 时频平面上的谱比值特征和矩特征

4.6.2 时频平面上的时频面积特征

4.6.3 时频表示的奇异值特征

4.7 基于序优化的核爆地震特征选择

4.7.1 序优化概述

4.7.2 基于序优化的核爆地震特征选择

4.8 基于Gamma Test的特征选择

4.8.1 Gamma Test理论概述

4.8.2 基于Gamma Test的核爆地震特征选择

4.9 基于序优化和Gamma Test的核爆地震特征选择

参考文献

第5章 核爆地震信号的传统判别分析

5.1 一维特征空间中的二分法

5.2 基于近邻规则的核爆地震模式识别

5.2.1 基于最近邻方法的分类器设计

5.2.2 基于K近邻方法的分类器设计

5.2.3 基于模糊变权x近邻方法的分类器设计

5.3 基于最小均方误差准则的分类器设计

5.4 基于Fisher-和KFisher判别的核爆地震模式识别

5.5 基于x相关的核爆地震模式识别

5.5.1 K相关分类原理

5.5.2 核爆地震分类实验

参考文献

第6章 核爆地震信号的非线性判别分析

6.1 基于支持向量机的核爆地震模式识别

6.1.1 基于支持向量机的核爆地震自动识别

6.1.2 基于先验知识的核函数构造

6.1.3 信息几何在支持向量机中的应用

6.2 基于隐马尔可夫模型的核爆地震模武识别

6.2.1 隐马尔可夫模型

6.2.2 HMM基本算法

6.2.3 HMM的类型

6.2.4 矢量量化编码

62.5 HMM在核爆地震模式识别中的应用

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

6.3.1 最近邻特征线分类算法及分析

6.3.2 最近邻支持向量特征线分类算法及应用

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

6.4 基于核K相关的核爆地震模式识别

64.1 算法阐述

6.4.2 分类实验及结果分析

6.5 基于分类器集成的核爆地震模式识别

6.5.1 分类器组合方法的优点

6.5.2 分类器输出结果融合规则

6.5.3 基于样本重采样的分类器组合

6.5.4 基于模糊积分的分类器组合

6.6 核爆地震识别中的特征相空间研究

6.6.1 基本思路与方法原理

6.6.2 吸引子维数计算与结果分析

6.6.3 特征相空间等价性的数值实验及结果分析

6.6.4 讨论与应用

参考文献

第7章 神经网络在核爆地震模式识别中的应用

7.1 神经网络基本原理

7.1.1 神经网络基本概念

7.1.2 BP网络模型与BP算法

7.2 神经网络在核爆地震模式识别中的应用

7.2.1 标准BP算法的识别结果

7.2.2 BP网络的改进学习算法

7.2.3 改进算法的选择及其识别结果

7.3 遗传算法在神经网络模式识别中的应用

7.3.1 遗传算法的基本原理

7.3.2 基于GA的多层前馈神经网络学习算法

7.3.3 MFANN的泛化学习GA算法

7.3.4 泛化学习GA算法在核爆地震模式识别中的应用

参考文献

第8章 协同神经网络与核爆地震模式识别

8.1 协同模式识别方法简述

8.1.1 常用的协同模式识别算法

8.1.2 协同模式识别算法中的关键技术

8.2 基于支持向量样本加权平均的原型模式选择算法

8.2.1 算法阐述

8.2.2 对算法的进一步改进

8.2.3 分类实验与结果分析

8.3 基于模糊c-均值的原型模式选择算法

8.3.1 算法阐述

83.2 分类实验与结果分析

8.4 变步长的基于奖惩学习机制的注意参数训练算法

8.4.1 算法阐述

8.4.2 分类实验与结果分析

8.5 基于核函数的协同模式识别

8.5.1 基于核函数的协同模式识别算法

8.5.2 分类实验与结果分析

参考文献

第9章 核爆地震模式识别的模糊综合评判

9.1 模糊集的基本知识

9.1.1 模糊特征和模糊分类

9.1.2 模糊关系与模糊变换

9.2 模糊综合评判模型

9.2.1 模糊综合评判的初始模型

9.2.2 多层次模糊综合评判

9.2.3 广义运算子模糊综合评判

9.3 核爆地震模式识别的模糊综合评判

9.3.1 方法思路

9.3.2 权向量构造

9.3.3 单因素评判矩阵

9.3.4 多层次模糊综合评判

9.3.5 模糊综合评判识别结果及分析

9.4 核爆地震模式识别系统框架：挑战与展望

9.4.1 核爆地震模式识别系统框架

9.4.2 挑战与展望

参考文献

附录名词术语中英文对照

后记

《核爆地震模式识别》共分9章。第1章是绪论，主要对核爆地震监测与识别，重点是核爆地震监测的研究历史和现状进行评述，介绍了核爆地震波区域特征及传播、源特征研究和核爆地震识别技术。并且为了照顾非地震专业和非信号与信息处理专业的读者（事实上，在核爆地震模式识别领域这两方面的科技工作者都有）。