原创力文档- 1、本文档共42页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
基于DBSCAN聚类的自适应滤波器剪枝策略研究
目录
基于DBSCAN聚类的自适应滤波器剪枝策略研究（1）．．．．．．．．．．．．．．4
一、内容概览．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5
1.3主要研究内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
二、相关理论基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7
2.1滤波器剪枝技术概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8
2.2DBSCAN聚类算法原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9
2.3自适应滤波器剪枝的研究进展．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
三、基于DBSCAN聚类的自适应滤波器剪枝方法．．．．．．．．．．．．．．．．．11
3.1方法框架设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12
3.2数据预处理与特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13
3.3聚类参数选择策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14
3.4剪枝策略优化方案．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15
四、实验设计与结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15
4.1实验设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16
4.1.1数据集描述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17
4.1.2实验环境配置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18
4.2性能评估指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19
4.3实验结果讨论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19
4.3.1不同参数下的性能对比．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20
4.3.2方法的有效性验证．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21
五、结论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22
5.1研究总结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22
5.2研究不足与改进方向．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23
5.3未来工作展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
基于DBSCAN聚类的自适应滤波器剪枝策略研究（2）．．．．．．．．．．．．．25
一、内容简述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26
1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26
1.3主要研究内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27
二、相关技术基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28
2.1滤波器及其在深度学习中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．29
2.1.1卷积神经网络概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30
2.1.2滤波器的作用及重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30
2.2DBSCAN聚类算法原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31
2.2.1聚类分析简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32
2.2.2DBSCAN算法工作原理．．．．．．．
文档评论（0）