| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 课题研究现状 | 第8-9页 |
| 1.3 本课题的主要研究内容 | 第9-10页 |
| 1.4 本文组织结构 | 第10-12页 |
| 第二章 飞机目标图像的维度约简 | 第12-20页 |
| 2.1 局部轮廓奇异值 | 第12-14页 |
| 2.2 局部线性嵌入降维理论 | 第14-17页 |
| 2.3 本章小结 | 第17-20页 |
| 第三章 基于NFL的飞机目标识别 | 第20-24页 |
| 3.1 距离测度 | 第20-21页 |
| 3.2 KNN分类算法 | 第21-22页 |
| 3.3 NFL分类算法 | 第22-23页 |
| 3.4 本章小结 | 第23-24页 |
| 第四章 基于HMM的序列信息融合 | 第24-36页 |
| 4.1 HMM介绍 | 第24-33页 |
| 4.1.1 HMM基础理论 | 第24-26页 |
| 4.1.2 HMM中的基本问题与相关算法 | 第26-33页 |
| 4.1.2.1 估值问题 | 第26-29页 |
| 4.1.2.2 解码问题 | 第29-30页 |
| 4.1.2.3 学习问题 | 第30-33页 |
| 4.2 HMM建模 | 第33-35页 |
| 4.2.1 飞机目标全姿态模型 | 第33-34页 |
| 4.2.2 飞机目标的HMM建模 | 第34-35页 |
| 4.3 基于HMM的序列融合 | 第35页 |
| 4.4 本章小结 | 第35-36页 |
| 第五章 基于LLE和HMM的飞机目标识别算法 | 第36-42页 |
| 5.1 训练环节 | 第36-38页 |
| 5.2 识别环节 | 第38-41页 |
| 5.3 算法流程 | 第41页 |
| 5.4 本章小结 | 第41-42页 |
| 第六章 系统实现与仿真实验 | 第42-52页 |
| 6.1 系统实现 | 第42-43页 |
| 6.2 仿真实验与结果分析 | 第43-50页 |
| 6.2.1 实验1：正确识别率与实时性 | 第44-45页 |
| 6.2.2 实验2：尺寸缩放实验 | 第45-46页 |
| 6.2.3 实验3:目标变换实验 | 第46页 |
| 6.2.4 实验4：轮廓局部特征采样窗口长度改变实验 | 第46-47页 |
| 6.2.5 实验5：NFL领域改变实验 | 第47-48页 |
| 6.2.6 实验6:利用序列信息融合与单张识别对比实验 | 第48页 |
| 6.2.7 实验7:与多特征序列信息融合算法对比实验 | 第48-50页 |
| 6.3 本章小结 | 第50-52页 |
| 第七章 总结与展望 | 第52-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间的研究成果 | 第62页 |
