基于支持向量机的战场目标识别技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-15页 |
| ·课题背景与研究意义 | 第8-11页 |
| ·课题研究现状 | 第11-13页 |
| ·本文的主要工作与结构安排 | 第13-15页 |
| 第2章 地面目标二分类 | 第15-39页 |
| ·地面目标的特征分析与提取 | 第15-24页 |
| ·数据的预处理 | 第15-16页 |
| ·人-车目标的特征分析 | 第16-17页 |
| ·人-车目标分类的特征向量提取 | 第17-20页 |
| ·轮式车-履带车的特征分析 | 第20-23页 |
| ·轮式车-履带车分类的特征向量提取 | 第23-24页 |
| ·人工神经网络分类器 | 第24-29页 |
| ·人工神经网络简介 | 第24-25页 |
| ·神经网络分类器 | 第25-27页 |
| ·BP网络的学习过程及步骤 | 第27-29页 |
| ·支持向量机 | 第29-32页 |
| ·支持向量机的特点 | 第29-30页 |
| ·支持向量机原理 | 第30-32页 |
| ·用ANN和SVM进行二分类的实验结果 | 第32-37页 |
| ·人-车目标识别的实验 | 第32-35页 |
| ·卡车-坦克目标识别的实验 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第3章 地面目标三分类 | 第39-48页 |
| ·SVM多分类算法综述 | 第39-42页 |
| ·误差编码法的SVM三分类方法 | 第42-46页 |
| ·编码（Encoding）过程 | 第42-43页 |
| ·训练（Learning）过程 | 第43页 |
| ·解码（Decoding）过程 | 第43-44页 |
| ·ECOC框架的特点 | 第44-45页 |
| ·最小输出编码方法 | 第45-46页 |
| ·地面目标三分类识别的仿真实验 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第4章 直升机与地面目标的分类 | 第48-56页 |
| ·引言 | 第48-49页 |
| ·直升机目标特性 | 第49-52页 |
| ·特征提取 | 第52-53页 |
| ·直升机-地面目标识别的仿真实验 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 战场目标分类方案总述 | 第56-63页 |
| ·方案分析 | 第56-58页 |
| ·四目标分类方案一 | 第56-57页 |
| ·四目标分类方案二 | 第57-58页 |
| ·四目标分类方案三 | 第58页 |
| ·各方案识别结果 | 第58-62页 |
| ·方案一的实验结果 | 第58-59页 |
| ·方案二的实验结果 | 第59页 |
| ·方案三的实验结果 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表的学术论文 | 第68-70页 |
| 致谢 | 第70页 |
