| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题的背景和意义 | 第9-10页 |
| ·研究概况 | 第10-12页 |
| ·混沌的研究概况 | 第10-11页 |
| ·SVM 的研究概况 | 第11-12页 |
| ·本文的主要工作和结构安排 | 第12-15页 |
| 第2章 基于混沌模型的海杂波 | 第15-25页 |
| ·引言 | 第15页 |
| ·混沌的识别 | 第15-19页 |
| ·混沌的基本概念 | 第15-17页 |
| ·关联维数 | 第17页 |
| ·Lyapunov 指数 | 第17-18页 |
| ·Kolmogorov 熵 | 第18-19页 |
| ·混沌序列相空间重构理论 | 第19-22页 |
| ·嵌入维数的确定 | 第19-21页 |
| ·时间延迟的确定 | 第21-22页 |
| ·海杂波的混沌动力学特性 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于 SVM 的海杂波预测 | 第25-49页 |
| ·引言 | 第25页 |
| ·统计学习理论 | 第25-29页 |
| ·经验风险最小化原则 | 第26-27页 |
| ·VC 维 | 第27页 |
| ·推广性的界 | 第27-28页 |
| ·结构风险最小化原则 | 第28-29页 |
| ·SVM 的思想 | 第29-36页 |
| ·最优分类超平面与广义最优分类超平面 | 第30-32页 |
| ·SVM 的核函数 | 第32-33页 |
| ·SVM 的回归 | 第33-35页 |
| ·回归 SVM 的估计性能分析 | 第35-36页 |
| ·基于 LS-SVM 的海杂波预测方法 | 第36-39页 |
| ·LS-SVM 模型 | 第36-38页 |
| ·海杂波预测方法 | 第38-39页 |
| ·实验雷达和数据介绍 | 第39-41页 |
| ·基于 LS-SVM 预测的海面小目标检测实验仿真 | 第41-46页 |
| ·本章小结 | 第46-49页 |
| 第4章 基于小波变换的海杂波降噪方法 | 第49-61页 |
| ·引言 | 第49页 |
| ·几种常用的信号去噪方法 | 第49-51页 |
| ·傅里叶变换去噪 | 第49-50页 |
| ·维纳滤波 | 第50页 |
| ·卡尔曼滤波 | 第50页 |
| ·中值滤波 | 第50-51页 |
| ·小波变换去噪 | 第51页 |
| ·小波变换的特性 | 第51-56页 |
| ·小波变换概述 | 第51-52页 |
| ·小波基和阈值 | 第52-54页 |
| ·小波分解与重建 | 第54-56页 |
| ·基于小波变换的海杂波降噪方法及仿真实验 | 第56-60页 |
| ·基于小波变换的海杂波降噪方法 | 第56-57页 |
| ·仿真实验及结果分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 基于粒子群算法的 LS-SVM 的优化 | 第61-71页 |
| ·引言 | 第61页 |
| ·重要的智能优化算法 | 第61-65页 |
| ·遗传算法 | 第61-63页 |
| ·文化算法 | 第63页 |
| ·粒子群算法 | 第63-65页 |
| ·性能比较 | 第65页 |
| ·基于粒子群优化的 LS-SVM 海面小目标检测方法 | 第65-67页 |
| ·实验仿真及分析 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第76-77页 |
| 致谢 | 第77页 |