| 第1章 绪论 | 第1-21页 |
| ·引言 | 第10-11页 |
| ·研究问题以及相关技术 | 第11-17页 |
| ·问题的提出 | 第11-12页 |
| ·信息融合技术 | 第12-14页 |
| ·信息融合技术的定义 | 第12页 |
| ·信息融合技术的层次结构 | 第12-14页 |
| ·支持向量机分类技术 | 第14-17页 |
| ·支持向量机的基本原理 | 第14-15页 |
| ·SVM算法策略 | 第15-17页 |
| ·课题的目的和意义 | 第17页 |
| ·课题选用方法(SVM)的研究现状 | 第17-19页 |
| ·本文研究内容和结构安排 | 第19-21页 |
| 第2章 目标识别中的信息融合和支持向量机技术 | 第21-37页 |
| ·引言 | 第21-22页 |
| ·信息融合的特点与结构、层次、方法 | 第22-28页 |
| ·信息融合的特点 | 第22-23页 |
| ·信息融合的结构形式 | 第23-24页 |
| ·信息融合的层次 | 第24-26页 |
| ·雷达目标识别中的常用信息融合分类方法 | 第26-28页 |
| ·统计模式识别方法 | 第26-27页 |
| ·模糊模式识别方法 | 第27页 |
| ·基于模型和基于知识的模式识别方法 | 第27页 |
| ·神经网络模式识别方法 | 第27-28页 |
| ·支持向量机(SVM)理论 | 第28-36页 |
| ·支持向量机特点 | 第28-29页 |
| ·支持向量机算法 | 第29-36页 |
| ·分类超平面的结构 | 第29-30页 |
| ·线性可分的情况 | 第30-32页 |
| ·线性不可分的情况 | 第32页 |
| ·非线性支持向量机 | 第32-34页 |
| ·多值分类 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于SVM的特征层雷达目标航迹识别 | 第37-51页 |
| ·引言 | 第37页 |
| ·特征层雷达目标航迹融合识别 | 第37-39页 |
| ·特征层雷达目标航迹融合识别问题描述 | 第39-43页 |
| ·雷达航迹分类 | 第39-40页 |
| ·问题的描述 | 第40-42页 |
| ·特征层雷达目标航迹融合识别问题分析 | 第42-43页 |
| ·基于最近邻域(Newly Neighboring)法的航迹融合识别 | 第43-45页 |
| ·最近邻相关法(NN法) | 第43-44页 |
| ·NN法融合实现算法 | 第44-45页 |
| ·基于支持向量机(SVM)的航迹融合识别 | 第45-50页 |
| ·目标航迹关联的相关规定 | 第45-46页 |
| ·支持向量机分类流程 | 第46-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 基于时序SVM的特征层雷达目标航迹识别 | 第51-57页 |
| ·引言 | 第51页 |
| ·特征层雷达目标航迹融合识别问题时序性分析 | 第51-52页 |
| ·改进的基于时序支持向量机(SVMt)的航迹融合识别算法 | 第52-56页 |
| ·航迹关联的SVMt算法的前期准备 | 第52-53页 |
| ·航迹关联的SVMt算法实现 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 仿真与实验工作 | 第57-60页 |
| ·建立仿真实验 | 第57-58页 |
| ·实验结果分析 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士期间所发表论文和取得的科研成果 | 第66-67页 |
| 致谢 | 第67页 |