第1章 绪论 1
1.1核爆地震监测 1
1.2核爆地震监测历史、现状与趋势 3
1.2.1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 32
1.4.1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 66
2.1基本概念和方法 66
2.1.1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 71
2.2.1特征提取 72
2.2.2特征选择 72
2.3分类器设计 74
2.3.1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 80
3.1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 85
3.2.1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 98
3.3.1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 110
4.1常用的特征提取与选择方法 110
4.1.1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 129
4.5.1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 137
4.6.1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 140
4.7.1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 144
4.8.1 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 150
5.1一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 150
5.2.1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 160
5.5.1 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 164
6.1基于支持向量机的核爆地震模式识别 164
6.1.1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 176
6.2.1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基于最近邻支持向特征线融合的核爆地震模式识别 187
6.3.1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 193
6.4.1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 196
6.5.1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 206
6.6.1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 220
7.1神经网络基本原理 220
7.1.1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 222
7.2.1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 234
7.3.1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 244
8.1协同模式识别方法简述 244
8.1.1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 251
8.2.1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 254
8.3.1算法阐述 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 257
8.4.1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 259
8.5.1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 265
9.1模糊集的基本知识 265
9.1.1模糊特征和模糊分类 266
9.1.2模糊关系与模糊变换 267
9.2模糊综合评判模型 267
9.2.1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 270
9.3.1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 277
9.4.1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