摘要
本研究針對船艦聲聲場分類及辨識進行機器學習模型之應用，透過導入船艦噪聲模擬之三種不同船型種類之模擬數據至機器學習方法中的支援向量機內，使用基本支援向量機之多種類分類基本方法、貝葉斯定理以及糾錯輸出碼模型進行三種船型於不同訊雜比狀況下的數據分類分佈區域觀察以及數據點之分類種類預測，並期望能透過船艦噪聲聲場數據處理的更佳化找出更加準確的分類預測模型。 而根據本研究之研究結果可見特徵頻率對應船速於糾錯輸出碼分類模型中之分類預測結果最佳，而透過訊雜比（SNR）之提升，特徵頻率針對各式參數進行數據分類及預測辨識效果上將有一定程度的提升。| 獎項日期 | 2020 |
|---|---|
| 原文 | English |
| 監督員 | Gee-Pinn James Too (Supervisor) |