数据融合技术在汽车识别中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·数据融合概述 | 第9-10页 |
| ·模式识别概述 | 第10-11页 |
| ·本文研究背景 | 第11-12页 |
| ·基于数据融合的模式识别技术发展现状 | 第11-12页 |
| ·研究基于数据融合的模式识别技术的意义 | 第12页 |
| ·本文研究内容和结构 | 第12-14页 |
| 第二章 模式识别和数据融合技术基础 | 第14-24页 |
| ·模式识别原理 | 第14-17页 |
| ·模式识别的原理 | 第14-16页 |
| ·常用的模式识别方法 | 第16-17页 |
| ·数据融合原理 | 第17-20页 |
| ·数据融合的层次划分 | 第17-18页 |
| ·基于数据融合的模式识别结构 | 第18-20页 |
| ·数据融合用于模式识别 | 第20-23页 |
| ·物理模型类识别技术 | 第20-21页 |
| ·参数分类识别技术 | 第21-22页 |
| ·认识模型类识别技术 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于数据融合的模式识别方法 | 第24-46页 |
| ·数据层处理 | 第24-30页 |
| ·对图像数据的预处理 | 第24-28页 |
| ·对音量数据的预处理 | 第28-29页 |
| ·对车速数据的预处理 | 第29-30页 |
| ·特征层融合 | 第30-40页 |
| ·人工神经网络概述 | 第30-32页 |
| ·两种常用的神经网络 | 第32-38页 |
| ·两种神经网络的比较 | 第38-39页 |
| ·基于正交最小二乘法的RBF神经网络 | 第39-40页 |
| ·决策层融合 | 第40-45页 |
| ·常用的决策层融合算法 | 第41页 |
| ·模糊推理算法 | 第41-44页 |
| ·模糊推理决策因子的评估和选择 | 第44-45页 |
| ·基于多层数据融合的模式识别方法 | 第45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于数据融合的汽车识别研究 | 第46-63页 |
| ·基于数据融合的高速公路汽车识别 | 第46-48页 |
| ·对高速公路汽车识别的传统方法 | 第46-47页 |
| ·基于数据融合的高速公路汽车识别流程 | 第47-48页 |
| ·特征层的融合 | 第48-51页 |
| ·外观特征参量的选取 | 第48-49页 |
| ·特征层融合仿真 | 第49-51页 |
| ·决策层的融合 | 第51-61页 |
| ·决策层融合结构图 | 第52页 |
| ·汽车识别的决策层实现 | 第52-57页 |
| ·决策层模糊推理系统仿真 | 第57-61页 |
| ·仿真结果说明 | 第61页 |
| ·本章小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-70页 |
| 攻读硕士学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71-72页 |
| 附件 | 第72页 |
