基于核学习的SAR图像分类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-15页 |
| ·SAR图像分类的研究背景、目的和意义 | 第10-11页 |
| ·国内外SAR目标识别的研究进展 | 第11-12页 |
| ·SAR图像分类介绍 | 第12-14页 |
| ·SAR识别的基本步骤 | 第12-13页 |
| ·SAR图像分类系统 | 第13页 |
| ·SAR图像特征提取方法 | 第13-14页 |
| ·文章结构 | 第14-15页 |
| 2 降维与分类 | 第15-28页 |
| ·PCA算法及延伸 | 第16-20页 |
| ·PCA算法 | 第16-19页 |
| ·2DPCA算法 | 第19-20页 |
| ·流形学习降维方法 | 第20-24页 |
| ·ISOMAP算法 | 第21-22页 |
| ·LLE算法 | 第22页 |
| ·LE算法 | 第22-23页 |
| ·MVU算法 | 第23页 |
| ·LTSA算法 | 第23-24页 |
| ·LPP算法及延伸 | 第24-27页 |
| ·LPP算法 | 第24-26页 |
| ·OLPP算法 | 第26-27页 |
| ·TSA算法 | 第27页 |
| ·本章小结 | 第27-28页 |
| 3 核方法 | 第28-34页 |
| ·核函数的定义 | 第29页 |
| ·核函数的种类 | 第29-30页 |
| ·核函数的本质 | 第30-31页 |
| ·核函数的构造 | 第31-32页 |
| ·Mercer核理论 | 第31页 |
| ·核函数的构造方法 | 第31-32页 |
| ·核方法研究进展以及存在的问题 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 4 基于AQKPCA算法的SAR图像分类算法 | 第34-47页 |
| ·KPCA算法 | 第35-36页 |
| ·AQKPCA算法介绍 | 第36-40页 |
| ·自适应拟共形变换核 | 第36-37页 |
| ·用最大间隔准则求解“扩展系数” | 第37-40页 |
| ·AQKPCA算法流程 | 第40页 |
| ·分类器 | 第40-42页 |
| ·最近邻分类器 | 第40-41页 |
| ·线性回归分类器 | 第41页 |
| ·稀疏表示分类器 | 第41-42页 |
| ·算法小结 | 第42页 |
| ·实验结果与分析 | 第42-46页 |
| ·PCA KPCA KOPCA AQKPCA比较 | 第43-45页 |
| ·AQKPCA在不同分类器下的识别比较 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 5 基于SGKLPP算法的SAR图像分类算法 | 第47-59页 |
| ·SKLPP算法 | 第48-49页 |
| ·SGKLPP算法 | 第49-50页 |
| ·SGKLPP算法流程 | 第50页 |
| ·算法小结 | 第50-51页 |
| ·实验结果与分析 | 第51-58页 |
| ·本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录A 公式2.31 求解过程 | 第65-66页 |
| 附录B 公式4.14 证明 | 第66-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-69页 |
