| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·水下目标识别的内容 | 第9-10页 |
| ·研究的背景和意义 | 第10页 |
| ·水下目标识别研究现状 | 第10-11页 |
| ·SVM与KNN的发展历史及研究现状 | 第11-13页 |
| ·本文研究的主要内容 | 第13-15页 |
| 第2章 统计学习理论和支持向量机 | 第15-25页 |
| ·引言 | 第15页 |
| ·统计学习理论的核心 | 第15-16页 |
| ·函数集的VC维 | 第15页 |
| ·结构风险最小化(Structural Risk Minimization) | 第15-16页 |
| ·支持向量机基本原理 | 第16-17页 |
| ·用于分类的支持向量机 | 第17-24页 |
| ·线性支持向量分类机 | 第17-19页 |
| ·非线性支持向量分类机 | 第19-22页 |
| ·多分类支持向量机 | 第22-23页 |
| ·核函数的选取 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 支持向量机和K近邻的联合分类研究 | 第25-31页 |
| ·引言 | 第25页 |
| ·支持向量机的优点和不足 | 第25-26页 |
| ·支持向量机的优点 | 第25页 |
| ·支持向量机的不足 | 第25-26页 |
| ·支持向量机和K近邻的联合分类 | 第26-30页 |
| ·SVM分类 | 第26页 |
| ·KNN分类 | 第26-27页 |
| ·SVM-KNN联合分类 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 目标回波信号特征提取 | 第31-42页 |
| ·引言 | 第31页 |
| ·基于主成分分析的特征空间降维处理 | 第31-32页 |
| ·小波包分解 | 第32-35页 |
| ·小波包分解理论 | 第32-34页 |
| ·特征向量的构成 | 第34-35页 |
| ·Wigner-Ville分布 | 第35-37页 |
| ·Wigner-Ville分布的定义 | 第35-36页 |
| ·Wigner-Ville分布的能量分布性质 | 第36-37页 |
| ·特征向量的构成 | 第37页 |
| ·分数阶傅里叶变换 | 第37-41页 |
| ·量纲归一化 | 第38-39页 |
| ·离散FRFT算法实现 | 第39-40页 |
| ·特征向量的构成 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 实验结果 | 第42-51页 |
| ·悬浮两类目标的识别 | 第42-46页 |
| ·实验概况 | 第42-43页 |
| ·实验处理结果及分析 | 第43-46页 |
| ·掩埋两类目标识别 | 第46-49页 |
| ·实验概况 | 第46-47页 |
| ·实验处理结果及分析 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第55-56页 |
| 致谢 | 第56页 |