| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.2 叶簇覆盖目标检测及识别研究现状 | 第13-15页 |
| 1.3 目标特征选择方法概述 | 第15-16页 |
| 1.4 本文主要工作及结构安排 | 第16-18页 |
| 第二章 量子遗传算法 | 第18-26页 |
| 2.1 量子计算 | 第18-20页 |
| 2.1.1 量子计算的发展 | 第18-19页 |
| 2.1.2 量子态空间及量子比特 | 第19页 |
| 2.1.3 量子逻辑门 | 第19-20页 |
| 2.2 遗传算法 | 第20-22页 |
| 2.2.1 遗传算法的基本原理 | 第20-21页 |
| 2.2.2 遗传算法的构成要素 | 第21-22页 |
| 2.3 量子遗传算法 | 第22-26页 |
| 2.3.1 量子染色体 | 第23页 |
| 2.3.2 量子门更新 | 第23-24页 |
| 2.3.3 量子遗传算法流程 | 第24-26页 |
| 第三章 几种典型改进量子遗传算法的分析研究 | 第26-38页 |
| 3.1 量子遗传算法的改进研究近况概述 | 第26-27页 |
| 3.2 几种典型的改进量子遗传算法 | 第27-31页 |
| 3.2.1 基于自适应相位旋转的改进量子遗传算法 | 第28-29页 |
| 3.2.2 基于交叉变异算子的改进量子遗传算法 | 第29-30页 |
| 3.2.3 基于免疫克隆的改进量子遗传算法 | 第30-31页 |
| 3.3 算法性能测试 | 第31-38页 |
| 第四章 基于自适应相位旋转的IQGA特征选择 | 第38-52页 |
| 4.1 基于超宽带的目标识别模型 | 第38-45页 |
| 4.1.1 基于超宽带的目标信息采集系统 | 第39-40页 |
| 4.1.2 超宽带目标信息预处理 | 第40-42页 |
| 4.1.3 超宽带目标特征提取 | 第42-43页 |
| 4.1.4 支持向量机分类识别 | 第43-44页 |
| 4.1.5 未进行特征选择的超宽带目标识别仿真 | 第44-45页 |
| 4.2 基于自适应相位旋转的IQGA的目标特征选择方法的实现 | 第45-48页 |
| 4.3 仿真结果分析 | 第48-49页 |
| 4.4 与基于传统GA和QGA的目标特征选择方法进行比较分析 | 第49-52页 |
| 第五章 总结与展望 | 第52-55页 |
| 5.1 论文主要研究成果总结 | 第52-53页 |
| 5.2 对于超宽带目标特征选择方法及目标识别相关技术的展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 作者攻读学位期间发表的学术论文目录 | 第61页 |
