多源数据融合的辐射源及目标识别技术
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·数据融合 | 第7-9页 |
| ·数据融合的概念 | 第7页 |
| ·数据融合的处理模型 | 第7-8页 |
| ·数据融合特点 | 第8-9页 |
| ·系统概述 | 第9-10页 |
| ·系统研制背景 | 第9页 |
| ·系统功能模型 | 第9-10页 |
| ·系统结构与开发环境 | 第10页 |
| ·本文主要工作 | 第10-11页 |
| ·论文结构 | 第11-13页 |
| 第二章 模式识别 | 第13-20页 |
| ·模式识别系统 | 第13-14页 |
| ·特征提取与选择 | 第14-17页 |
| ·基本概念 | 第14-15页 |
| ·熵函数定义及性质 | 第15-16页 |
| ·方法应用 | 第16-17页 |
| ·特征参数归一化 | 第17-20页 |
| ·问题提出 | 第17-18页 |
| ·特征参数线性归一化 | 第18页 |
| ·特征参数非线性归一化 | 第18-20页 |
| 第三章 雷达体制分类器 | 第20-31页 |
| ·神经网络 | 第20-21页 |
| ·径向基概率神经网络 | 第21-26页 |
| ·基本思想 | 第21-22页 |
| ·径向基概率神经网络模型 | 第22-23页 |
| ·径向基概率神经网络的映射能力和计算特性 | 第23-25页 |
| ·径向基概率神经网络学习和识别的计算复杂度 | 第25-26页 |
| ·径向基概率神经网络混合学习算法 | 第26-28页 |
| ·非监督自组织学习 | 第26-27页 |
| ·监督学习 | 第27-28页 |
| ·雷达体制分类器实验结果及分析 | 第28-31页 |
| ·雷达体制分类器模型 | 第28页 |
| ·学习样本的选取 | 第28-29页 |
| ·样本测试结果 | 第29-30页 |
| ·结果讨论与分析 | 第30-31页 |
| 第四章 辐射源识别 | 第31-48页 |
| ·模式匹配的基本思想 | 第31页 |
| ·模板匹配方法 | 第31-34页 |
| ·相似度度量与距离函数 | 第31-34页 |
| ·模糊匹配法 | 第34-37页 |
| ·问题描述 | 第34-35页 |
| ·隶属函数的确定 | 第35-36页 |
| ·模糊决策方法 | 第36-37页 |
| ·灰色预测关联分析法 | 第37-38页 |
| ·关联系数计算 | 第37-38页 |
| ·关联度计算 | 第38页 |
| ·实验结果与分析 | 第38-40页 |
| ·D-S证据理论 | 第40-43页 |
| ·基本概念 | 第41-42页 |
| ·证据理论在适当条件下的简化 | 第42-43页 |
| ·多个证据的D-S组合 | 第43页 |
| ·证据理论在雷达型号识别中的应用 | 第43-45页 |
| ·证据分组 | 第43-44页 |
| ·基本概率赋值函数的确定 | 第44-45页 |
| ·实验结果与分析 | 第45-48页 |
| ·D-S融合模型 | 第45-46页 |
| ·数据测试 | 第46-48页 |
| 第五章 平台识别 | 第48-56页 |
| ·平台推理算法 | 第48-50页 |
| ·模糊产生式知识表示 | 第48-49页 |
| ·加权模糊产生式规则 | 第49-50页 |
| ·模糊匹配 | 第50页 |
| ·模糊产生式规则的激活执行 | 第50页 |
| ·模糊产生式规则推理在平台识别中的应用 | 第50-53页 |
| ·平台推理的原理 | 第50-51页 |
| ·平台的匹配识别 | 第51-52页 |
| ·平台识别模型 | 第52-53页 |
| ·实验结果与分析 | 第53-56页 |
| ·单机测试环境及结果 | 第53-54页 |
| ·单机数据测试 | 第54-55页 |
| ·联机场景测试及结果 | 第55页 |
| ·结果讨论与分析 | 第55-56页 |
| 第六章 系统设计 | 第56-59页 |
| ·系统模型 | 第56-57页 |
| ·系统测试 | 第57-59页 |
| 结束语 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 附录A | 第63-64页 |
| 附录B | 第64-65页 |
| 附录C | 第65-66页 |
| 读研期间科研成果 | 第66页 |
