改进的SVM在多类目标识别中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-28页 |
| ·本文研究背景及意义 | 第10-11页 |
| ·水中目标识别的研究现状与发展趋势 | 第11-12页 |
| ·水中目标辐射噪声的特性 | 第12-15页 |
| ·水中目标辐射噪声的类型 | 第12-13页 |
| ·水中目标辐射噪声的时域特性 | 第13-14页 |
| ·水中目标辐射噪声的谱特性 | 第14-15页 |
| ·水中目标辐射噪声的"三非"特性 | 第15页 |
| ·特征向量构建和分类器设计 | 第15-17页 |
| ·特征向量构建 | 第15-16页 |
| ·分类器设计 | 第16-17页 |
| ·水中目标辐射噪声的特征提取方法 | 第17-19页 |
| ·小波变换法 | 第17-18页 |
| ·双谱法 | 第18-19页 |
| ·倒双谱法 | 第19页 |
| ·统计学习理论 | 第19-23页 |
| ·机器学习的基本模型 | 第19-20页 |
| ·经验风险最小化 | 第20-21页 |
| ·VC维 | 第21页 |
| ·推广性的界 | 第21-22页 |
| ·结构风险最小化 | 第22-23页 |
| ·支持向量机及其研究进展 | 第23-26页 |
| ·SVM训练算法研究 | 第23-24页 |
| ·SVM的演变算法 | 第24-25页 |
| ·SVM的模型选择 | 第25-26页 |
| ·SVM应用研究 | 第26页 |
| ·本论文的主要研究工作及内容安排 | 第26-28页 |
| 第二章 水中目标辐射噪声的特征构建 | 第28-46页 |
| ·基于小波变换的尺度—能量特征 | 第28-31页 |
| ·水中目标辐射噪声的1 1/2维谱特性研究 | 第31-37页 |
| ·1(1/2)维谱的定义与性质 | 第31-33页 |
| ·1(1/2)维谱的计算方法 | 第33-34页 |
| ·1(1/2)维谱子带能量分布特征构建 | 第34-37页 |
| ·水中目标辐射噪声的倒双普特性研究 | 第37-45页 |
| ·复倒双谱的定义(性质)与计算方法 | 第38-40页 |
| ·复倒双谱的计算方法 | 第40-41页 |
| ·倒双谱的降维谱定义及分析 | 第41-42页 |
| ·倒双谱的降维谱能量分布特征构建 | 第42-45页 |
| ·水中目标辐射噪声的综合特征构建 | 第45-46页 |
| 第三章 支持向量机 | 第46-55页 |
| ·最优分类超平面 | 第46-48页 |
| ·线性支持向量机 | 第48-50页 |
| ·非线性支持向量机 | 第50-51页 |
| ·核函数 | 第51-52页 |
| ·仿真数据分类实验 | 第52-55页 |
| 第四章 支持向量机的训练算法 | 第55-70页 |
| ·求解大型问题的训练算法 | 第55-64页 |
| ·选块算法 | 第55-56页 |
| ·分解算法 | 第56-59页 |
| ·贯序最小最优化算法 | 第59-64页 |
| ·SMO算法的优劣 | 第64-65页 |
| ·改进的SMO算法 | 第65-67页 |
| ·仿真数据实验 | 第67-70页 |
| 第五章 多类目标的SVM分类研究 | 第70-77页 |
| ·引言 | 第70页 |
| ·多类分类方法介绍 | 第70-72页 |
| ·1-a-r方法 | 第70-71页 |
| ·1-a-1方法 | 第71-72页 |
| ·多类目标分类的直接方法 | 第72页 |
| ·基于决策树方法的SVM分类器设计 | 第72-77页 |
| ·决策树方法概述 | 第73-75页 |
| ·基于决策树的SVM分类器设计 | 第75-77页 |
| 第六章 实验结果与分析 | 第77-83页 |
| ·数据预处理 | 第77-78页 |
| ·核函数选取和参数确定 | 第78-79页 |
| ·水中目标识别分类实验 | 第79-81页 |
| ·标准QP算法和Cache-SMO算法对比实验 | 第79-81页 |
| ·基于决策树的多类分类识别结果 | 第81页 |
| ·本章小结 | 第81-83页 |
| 第七章 全文总结 | 第83-85页 |
| 参考文献 | 第85-91页 |
| 发表论文和参加科研情况说明 | 第91-92页 |
| 致谢 | 第92-93页 |
| 附录:SVM中二次规划的KKT条件 | 第93-94页 |
