基于核方法和流形学习的雷达目标识别
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-16页 |
| ·研究背景 | 第9-10页 |
| ·研究历史和现状 | 第10-12页 |
| ·一维距离像的雷达目标识别技术研究概况 | 第12-15页 |
| ·基于统计决策理论的分类方法 | 第14-15页 |
| ·基于仿生学技术的分类方法 | 第15页 |
| ·本文结构及工作 | 第15-16页 |
| 第二章 一维距离成像 | 第16-25页 |
| ·目标散射中心 | 第16页 |
| ·高分辨距离像 | 第16-17页 |
| ·距离像特性 | 第17-18页 |
| ·姿态敏感性 | 第17-18页 |
| ·平移敏感性 | 第18页 |
| ·预处理 | 第18-21页 |
| ·距离对齐 | 第18-19页 |
| ·能量归一化 | 第19页 |
| ·幂变换 | 第19-20页 |
| ·非相关平均 | 第20-21页 |
| ·仿真数据描述 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 子空间法及核子空间法特征提取 | 第25-32页 |
| ·特征子空间 | 第25-26页 |
| ·正则子空间 | 第26-27页 |
| ·基于核的主分量分析（KPCA） | 第27-29页 |
| ·基于核的Fisher 判别分析（KFDA） | 第29-30页 |
| ·子空间比较 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于流形学习的特征提取 | 第32-45页 |
| ·流形及流形学习 | 第32-34页 |
| ·局部线性嵌入算法（LLE） | 第34-37页 |
| ·保局投影（LPP） | 第37-38页 |
| ·基于核的有监督保局投影（SKLPP） | 第38-39页 |
| ·近邻保持投影(NPP) | 第39-40页 |
| ·基于核的有监督近邻保持投影(SKNPP) | 第40-43页 |
| ·算法总结 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 目标分类方法 | 第45-55页 |
| ·欧氏距离分类器 | 第45-46页 |
| ·RBFNN 分类器 | 第46-47页 |
| ·RBFNN 模型 | 第46-47页 |
| ·RBFNN 参数的学习 | 第47页 |
| ·支持向量机（SVM） | 第47-51页 |
| ·线性SVM | 第47-50页 |
| ·非线性SVM | 第50-51页 |
| ·KNR 分类器 | 第51-53页 |
| ·分类器的比较 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 数据实验 | 第55-68页 |
| ·数据描述 | 第55-57页 |
| ·仿真数据描述 | 第55-56页 |
| ·实测数据描述 | 第56-57页 |
| ·预处理 | 第57页 |
| ·子空间和核子空间法目标识别实验 | 第57-63页 |
| ·仿真数据实验 | 第58-61页 |
| ·实测数据实验 | 第61-62页 |
| ·小结 | 第62-63页 |
| ·基于流形方法的识别 | 第63-67页 |
| ·仿真数据实验 | 第63-65页 |
| ·实测数据实验 | 第65-66页 |
| ·小结 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第七章 结论与展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻硕期间发表的论文 | 第74-75页 |
