基于一维距离像数据生成的未知目标判别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题背景与研究意义 | 第11-12页 |
| ·未知目标判别研究现状 | 第12-14页 |
| ·无监督判别方法 | 第12-14页 |
| ·有监督判别方法 | 第14页 |
| ·基于一维距离像的未知目标判别 | 第14-15页 |
| ·本文的主要研究内容和章节安排 | 第15-17页 |
| 第二章 基于伽玛模型的一维距离像数据生成 | 第17-34页 |
| ·一维距离像的成像原理和特点 | 第17-18页 |
| ·一维距离像距离单元的特性分析 | 第18-21页 |
| ·雷达目标散射点模型 | 第18-19页 |
| ·距离单元的回波分析 | 第19-21页 |
| ·未知目标训练样本的统计建模 | 第21-25页 |
| ·基于概率分布假设的统计模型 | 第21-23页 |
| ·伽玛模型的参数估计 | 第23-25页 |
| ·实验数据 | 第25-27页 |
| ·数据描述 | 第25-26页 |
| ·数据预处理 | 第26-27页 |
| ·本章实验 | 第27-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 基于混合核的 SVM 未知目标判别方法 | 第34-46页 |
| ·单核支持向量机 | 第34-37页 |
| ·基于 SVM 的两类判别 | 第34-36页 |
| ·基于 SVM 的多类判别 | 第36-37页 |
| ·基于混合核的 SVM 判别方法 | 第37-39页 |
| ·混合核函数选择 | 第37-38页 |
| ·混合核函数构造 | 第38-39页 |
| ·支持向量机的参数寻优 | 第39-40页 |
| ·交叉验证 | 第39页 |
| ·网格搜索 | 第39-40页 |
| ·本章实验 | 第40-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于聚类的 SVDD 未知目标判别方法 | 第46-61页 |
| ·基于支持向量的单类判别器 | 第46-51页 |
| ·支持向量数据域描述 | 第46-48页 |
| ·单类支持向量机 | 第48-50页 |
| ·两种单类判别器的区别和联系 | 第50-51页 |
| ·基于聚类的 SVDD 判别方法 | 第51-53页 |
| ·K-均值聚类 | 第51-52页 |
| ·方法步骤 | 第52-53页 |
| ·两种单类判别器的参数寻优 | 第53-55页 |
| ·寻优参数 | 第53页 |
| ·寻优方法 | 第53-55页 |
| ·本章实验 | 第55-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| ·全文总结 | 第61-62页 |
| ·展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 在学期间取得的与学位论文相关的研究成果 | 第67-68页 |
