基于Richer子波神经网络的入侵事件识别方法

针对入侵事件中的挖掘事件和人步行事件的识别,文章设计了一种Richer子波神经网络模型,用来识别由挖掘和人步行事件引起的震动信号的种类。实验中一共采用200个样本,其中120个作训练,80个作测试,通过分析网络训练输出数据的降维可视化散点分布,可以得到该模型训练输出的数据具有不同类间间隔大,同类间间隔小的特点,且该模型网络分类识别准确率最高可达96.25%,平均识别准确率约为95%。