基于主成分分析的特征融合及其应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题研究背景 | 第8-9页 |
| ·国内外的现状及发展趋势 | 第9-11页 |
| ·特征级融合的现状 | 第9-10页 |
| ·主成分分析及其在特征融合中的应用 | 第10-11页 |
| ·本文主要内容及组织安排 | 第11-12页 |
| 第二章 PCA 的基本原理及特征融合的实现 | 第12-26页 |
| ·PCA 的基本原理以及发展现状 | 第12-15页 |
| ·弱小目标特征提取 | 第15-19页 |
| ·分形特征 | 第16-17页 |
| ·多向多尺度梯度特征 | 第17-18页 |
| ·局域灰度概率特征 | 第18页 |
| ·能量特征与灰度均值特征 | 第18-19页 |
| ·特征归一化 | 第19-20页 |
| ·基于PCA 的特征融合实现 | 第20-22页 |
| ·实验结果及分析 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于2DPCA 的特征融合及其应用 | 第26-40页 |
| ·基于2DPCA 的特征融合实现 | 第26-30页 |
| ·2DPCA 算法 | 第26-27页 |
| ·主成分的选取 | 第27-28页 |
| ·基于2DPCA 的特征融合算法 | 第28-30页 |
| ·2DPCA 算法的优缺点 | 第30页 |
| ·2D~2DPCA 算法 | 第30-34页 |
| ·列方向的2DPCA | 第30-32页 |
| ·2D~2DPCA 投影矩阵 | 第32页 |
| ·基于2D~2DPCA 的特征融合实现 | 第32-34页 |
| ·2D~2DPCA 算法的优缺点 | 第34页 |
| ·基于DIAGPCA 的特征融合算法 | 第34-37页 |
| ·DiagPCA | 第35-36页 |
| ·基于DiagPCA 的特征融合算法 | 第36-37页 |
| ·DiagPCA 算法的优缺点 | 第37页 |
| ·各种特征融合算法的结果比较分析 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 改进的快速特征融合算法 | 第40-51页 |
| ·特征分解方法 | 第40-41页 |
| ·基于施密特方法的快速迭代算法 | 第41-42页 |
| ·快速二维主成分分析2DFPCA 及实现 | 第42-44页 |
| ·快速对角主成分分析 FDiagPCA 及实现 | 第44-46页 |
| ·压缩比对运算时间的影响 | 第46-50页 |
| ·形态学特征 | 第47-48页 |
| ·聚类特征 | 第48-49页 |
| ·仿真结果比较 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 全文总结与展望 | 第51-53页 |
| ·本文的主要研究工作和创新点 | 第51页 |
| ·需要进一步研究的问题和发展方向 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 个人简历 | 第57页 |
| 在学期间撰写的论文 | 第57页 |
| 在学期间获得的奖励 | 第57-58页 |
