由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
醉染图书盐渍土土壤的质达超前探测与判读技术9787548746744
¥ ×1
章 绪论
1.1 概述
1.2 国内外研究现状
1.3 存在的主要问题
第2章 质达探测基本理论
2.1 质达基本组成
2.2 质达工作原理
2.2.1 电磁学理论
2.2.2 传播介质的介电特
2.. 探测原理
2.2.4 探测能
. 质达数据采集与显示
..1 实测数据采集
..2 采集数据显示
2.4 质达数据分析技术
2.4.1 背景去除
2.4.2 反褶积处理
2.4.3 道间平衡处理
2.4.4 道内平衡处理
第3章 现场探测技术与波形图像特征
3.1 概述
3.2 探测参数设定
3.2.1 天线中心频率
3.2.2 时间窗口
3.. 采样间隔
3.2.4 电磁波发率
3.2.5 叠加系数
3.3 探测适用分析
3.3.1 研究方案
3.3.2 模型试验
3.3.3 图像特征分析
3.3.4 探测实例
3.3.5 适用分析结果
3.4 粗粒弱氯盐渍土的波形图像特征
3.4.1 工程概况
3.4.2 探测方法
3.4.3 模型试验
3.4.4 图像特征分析
3.5 粗粒弱硫酸盐渍土的波形图像特征
3.5.1 工程概况
3.5.2 探测方法
3.5.3 模型试验
3.5.4 图像特征分析
第4章 波形数字特征与智能化判读
4.1 概述
4.2 人工神经网络基本原理
4.2.1 神经元模型
4.2.2 传递函数
4.. 网络结构
4.3 BP神经网络
4.3.1 BP神经网络学习
4.3.2 BP神经网络算法
4.3.3 神经网络反分析
4.4 BP神经网络与颜色特征提取
4.4.1 研究背景
4.4.2 研究方案
4.4.3 原始图像预处理
4.4.4 神经网络构建
4.4.5 神经网络训练与识别
4.4.6 颜色特征提取
4.5 Contourlet变换与智能化判读
4.5.1 背景思路
4.5.2 现场探测
4.5.3 研究方案
4.5.4 原始图像预处理
4.5.5 图像变换
4.5.6 K-means++聚类分析与样本库建立
4.6 Contourlet智能化判读实例
4.6.1 现场探测
4.6.2 LP变换与K-means++聚类
4.6.3 自动识别与验
第5章 基于RBM模型的探测数据处理
5.1 概述
5.2 深度学习的发展与应用
5.2.1 机器学习的发展
5.2.2 深度学习的应用
5.3 深度学习的原理和方法
5.3.1 基本原理
5.3.2 常用方法
5.4 RBM模型
5.4.1 模型定义
5.4.2 学习算法
5.4.3 评估算法
5.5 质达数据处理
5.5.1 数据库建立
5.5.2 基本设置
5.5.3 构建RBM模型
5.5.4 结果
第6章 基于小波变换的探测图像处理
6.1 概述
6.2 小波变换基本质
6.2.1 连续小波变换(CWT)
6.2.2 离散小波变换(DWT)
6.3 多频率分析与小波包理论
6.3.1 多频率分析
6.3.2 WALLAT算法
6.3.3 小波包理论
6.4 小波阈值去噪方法
6.4.1 去噪原理
6.4.2 阈值函数
6.4.3 去噪步骤
6.5 基于小波包分析的雷达数据去噪
6.5.1 小波包去噪原理
6.5.2 去噪实例
第7章 基于卷积神经网络的探测图像处理
7.1 概述
7.2 卷积神经网络基本理论
7.2.1 模型结构
7.2.2 应用特点
7.. 算法
7.3 典型卷积神经网络模型Lenet
7.3.1 结构组成参数
7.3.2 卷积过程
7.4 两种改进的卷积神经网络模型
7.4.1 CNN-1卷积神经网络模型
7.4.2 CNN-2卷积神经网络模型
7.5 探测数据分类实验
7.5.1 实验数据
7.5.2 实验平台
7.5.3 实验1:分类准确率对比
7.5.4 实验2:卷积核对分类能的影响
7.5.5 实验3:全连接层神经元个数对分类能的影响
参考文献
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格