| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-20页 |
| ·课题背景及研究意义 | 第11-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·特征提取研究现状 | 第14-15页 |
| ·特征融合目标识别研究现状 | 第15-18页 |
| ·论文的结构安排 | 第18-20页 |
| 第2章 特征级融合目标识别的基本理论 | 第20-29页 |
| ·信息融合目标识别结构 | 第20-21页 |
| ·特征级融合目标识别系统基本结构 | 第21-23页 |
| ·特征级融合目标识别的关键问题分析 | 第23-27页 |
| ·特征数据库 | 第23页 |
| ·特征提取 | 第23页 |
| ·特征融合 | 第23-25页 |
| ·目标识别 | 第25-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 目标特征提取 | 第29-42页 |
| ·目标特征提取方法 | 第30-37页 |
| ·灰度共生矩阵特征提取方法 | 第30-33页 |
| ·Hu 不变矩特征提取方法 | 第33-34页 |
| ·仿射不变矩特征提取方法 | 第34-36页 |
| ·小波矩特征提取方法 | 第36-37页 |
| ·实验结果及分析 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 基于遗传算法的特征融合 | 第42-49页 |
| ·基于遗传算法的特征融合算法 | 第42-47页 |
| ·遗传算法在特征级融合的优势 | 第43页 |
| ·遗传算法初始化 | 第43页 |
| ·适应度函数设计 | 第43-44页 |
| ·遗传算子的设计 | 第44-45页 |
| ·遗传算法的终止条件 | 第45-46页 |
| ·基于遗传算法的特征融合算法流程 | 第46-47页 |
| ·实验结果及分析 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 基于神经网络的目标识别方法 | 第49-64页 |
| ·粒子群算法 | 第50-52页 |
| ·粒子群算法基本原理 | 第50-51页 |
| ·基本粒子群算法流程 | 第51-52页 |
| ·径向基函数神经网络（RBF） | 第52-57页 |
| ·RBF 神经网络的结构 | 第52-54页 |
| ·RBF 神经网络的学习过程 | 第54-55页 |
| ·RBF 神经网络的设计 | 第55-56页 |
| ·径向基函数神经网络特点 | 第56-57页 |
| ·粒子群（PSO）优化径向基函数神经网络（RBF） | 第57-60页 |
| ·PSO 优化 RFB 神经网络的关键问题 | 第58-59页 |
| ·算法流程 | 第59-60页 |
| ·实验结果分析 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第70-71页 |
| 致谢 | 第71-72页 |