| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第1章 绪论 | 第13-29页 |
| ·课题的研究背景及意义 | 第13-15页 |
| ·特征提取 | 第15-19页 |
| ·直方图特征 | 第16-17页 |
| ·梯度特征 | 第17页 |
| ·空间距离 | 第17页 |
| ·傅里叶相位谱 | 第17-18页 |
| ·Gabor 小波变换特征 | 第18页 |
| ·不变矩特征 | 第18-19页 |
| ·特征融合概述 | 第19-27页 |
| ·特征级融合的应用领域 | 第20-21页 |
| ·特征级融合的系统结构 | 第21-23页 |
| ·特征级融合的算法 | 第23-27页 |
| ·论文的研究内容及结构安排 | 第27-29页 |
| 第2章 相关性多元统计分析的特征融合 | 第29-53页 |
| ·引言 | 第29-30页 |
| ·核典型相关分析（KCCA）的特征融合 | 第30-38页 |
| ·典型相关分析概述 | 第30-31页 |
| ·核典型相关分析 | 第31-38页 |
| ·复数主成份分析的特征融合方法 | 第38-45页 |
| ·主分量分析的基本思想 | 第38-40页 |
| ·主分量分解方法 | 第40-41页 |
| ·主分量分解的特征表达 | 第41-42页 |
| ·二维主分量分析(2DPCA)回顾 | 第42-43页 |
| ·二维复数主分量分析(2DCPCA) | 第43-45页 |
| ·实验结果与分析 | 第45-50页 |
| ·实验一2DCPCA 的图像重构 | 第45-46页 |
| ·实验二 KCCA 和2DCPCA 的识别结果 | 第46-50页 |
| ·小结 | 第50-53页 |
| 第3章 基于复数值独立分量分析的特征融合方法 | 第53-75页 |
| ·引言 | 第53-54页 |
| ·Complex ICA 基本原理 | 第54-57页 |
| ·复随机变量的基本概念 | 第54-55页 |
| ·Complex ICA 原理 | 第55-57页 |
| ·基于非高斯性度量的 Complex ICA 的固定点算法 | 第57-63页 |
| ·固定点算法概念 | 第57-58页 |
| ·非高斯性极大化度量 | 第58-60页 |
| ·采用负熵的固定点算法 | 第60-63页 |
| ·基于 complex ICA 特征的目标识别算法 | 第63-65页 |
| ·实验结果分析 | 第65-73页 |
| ·实验一基于复数值独立分量分析的图像重构 | 第65-70页 |
| ·实验二基于复数值ICA 的识别结果 | 第70-72页 |
| ·实验三小样本情况下的识别性能 | 第72-73页 |
| ·小结 | 第73-75页 |
| 第4章 基于协方差矩阵的多特征融合 | 第75-87页 |
| ·引言 | 第75页 |
| ·协方差矩阵构造和特征融合策略 | 第75-80页 |
| ·随机变量间的协方差 | 第75-79页 |
| ·协方差矩阵的相关系数 | 第79页 |
| ·协方差矩阵距离度量 | 第79-80页 |
| ·归一化的 Fisher 线性判别分析 | 第80-83页 |
| ·Fisher 线性判别原理 | 第81-83页 |
| ·归一化的Fisher 线性判别 | 第83页 |
| ·试验结果与分析 | 第83-85页 |
| ·小结 | 第85-87页 |
| 第5章 基于自然计算算法的特征融合 | 第87-121页 |
| ·引言 | 第87-88页 |
| ·粒子群算法原理 | 第88-91页 |
| ·人工免疫网络原理 | 第91-96页 |
| ·免疫系统中的模式识别 | 第92-93页 |
| ·无性选择 | 第93-94页 |
| ·负性选择 | 第94页 |
| ·评估函数 | 第94-95页 |
| ·适应过程 | 第95-96页 |
| ·免疫系统学习算法 | 第96页 |
| ·PSO 和AIS 基于马尔科夫链的收敛性 | 第96-106页 |
| ·Markov 链简介 | 第97-99页 |
| ·随机算法收敛的标准 | 第99页 |
| ·PSO 基于Markov 链的收敛性 | 第99-102页 |
| ·人工免疫系统基于Markov 链的收敛性 | 第102-103页 |
| ·PSO 和AIS 收敛性能分析 | 第103-106页 |
| ·算法复杂度分析 | 第106-107页 |
| ·PSO 复杂度分析 | 第106-107页 |
| ·AIS 算法复杂度分析 | 第107页 |
| ·基于自然计算方法的特征融合过程 | 第107-110页 |
| ·留一交互验证法 | 第107-109页 |
| ·可分性判别函数 | 第109页 |
| ·基于自然计算的特征融合原理 | 第109-110页 |
| ·实验结果及分析 | 第110-119页 |
| ·实验一基于二值PSO 的特征融合 | 第111-114页 |
| ·实验二基于离散AIS 的特征融合 | 第114-117页 |
| ·分析与比较 | 第117-119页 |
| ·小结 | 第119-121页 |
| 第6章 总结与展望 | 第121-125页 |
| ·总结 | 第121-122页 |
| ·展望 | 第122-125页 |
| 参考文献 | 第125-133页 |
| 在学期间公开发表论文及参加项目情况 | 第133-135页 |
| 指导教师及作者简介 | 第135-136页 |
| 致谢 | 第136-137页 |