红外点目标多光谱数据融合识别方法研究
第一章 引言 | 第1-10页 |
第二章 红外点目标唯一性特征提取技术研究 | 第10-16页 |
2.1 红外辐射传输特性 | 第10-12页 |
2.2 探测器目标模型到真目标模型的转化 | 第12-15页 |
2.3 周期探测器模型的优化 | 第15-16页 |
第三章 BP网络并行子网识别技术研究 | 第16-26页 |
3.1 人工神经网络的基本理论 | 第16-21页 |
3.1.1 人工神经网络的发展概述 | 第16页 |
3.1.2 人工神经网络的基本特性 | 第16页 |
3.1.3 人工神经网络结构及模型 | 第16-18页 |
3.1.4 BP网络及其算法 | 第18-21页 |
3.2 并行子网预识别技术研究 | 第21-26页 |
3.2.1 BP人工神经网络用于模式识别 | 第21页 |
3.2.2 并行子网 | 第21页 |
3.2.3 子网训练 | 第21-23页 |
3.2.4 预分类的加速技术 | 第23-25页 |
3.2.5 BP并行子网数据输出的规整 | 第25-26页 |
第四章 多周期不确定推理技术研究 | 第26-35页 |
4.1 不确定推理的基本理论 | 第26-33页 |
4.1.1 不确定推理的定义 | 第26页 |
4.1.2 不确定推理中的基本问题 | 第26-27页 |
4.1.3 主观bayes方法 | 第27-29页 |
4.1.4 证据理论 | 第29-31页 |
4.1.5 基于证据理论的决策 | 第31-32页 |
4.1.6 主观Bayes方法和证据理论的比较 | 第32-33页 |
4.2 多周期不确定性推理技术研究 | 第33-35页 |
4.2.1 证据理论的多周期融合识别方法 | 第33-34页 |
4.2.2 证据理论输出决策逻辑 | 第34-35页 |
第五章 融合识别方法 | 第35-41页 |
5.1 红外点目标融合识别方法与软件模拟 | 第35-37页 |
5.1.1 融合识别框图 | 第35-37页 |
5.2 点目标融合识别方法在红外导引中的应用 | 第37-41页 |
第六章 结论 | 第41-42页 |
附录 BP网络C++类源码程序 | 第42-55页 |
参考文献 | 第55-57页 |
作者简介 | 第57-58页 |
致谢 | 第58页 |