| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 SAR图像识别的研究现状 | 第10-11页 |
| 1.2.2 超图学习的研究现状 | 第11-12页 |
| 1.3 本文主要工作及章节安排 | 第12-14页 |
| 第二章 相关理论概述 | 第14-27页 |
| 2.1 SAR图像目标识别 | 第14-17页 |
| 2.1.1 SAR图像目标识别 | 第14-15页 |
| 2.1.2 SAR图像目标识别的难点 | 第15-17页 |
| 2.2 超图学习理论 | 第17-20页 |
| 2.2.1 超图的基本概念 | 第17-18页 |
| 2.2.2 超图学习算法 | 第18-20页 |
| 2.2.3 超图结构的优势 | 第20页 |
| 2.3 特征提取 | 第20-26页 |
| 2.3.1 基于线性子空间的特征提取 | 第20-24页 |
| 2.3.2 基于流形子空间的特征提取 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于超图与拉普拉斯特征映射的SAR图像目标识别 | 第27-35页 |
| 3.1 拉普拉斯特征映射 | 第27-29页 |
| 3.2 判别超拉普拉斯特征映射 | 第29-31页 |
| 3.2.1 超图的构造 | 第29页 |
| 3.2.2 方法描述 | 第29-31页 |
| 3.3 实验结果与分析 | 第31-34页 |
| 3.3.1 SAR图像数据库 | 第31-32页 |
| 3.3.2 对比方法 | 第32-33页 |
| 3.3.3 特征维度与识别精度的关系 | 第33-34页 |
| 3.3.4 训练效率分析 | 第34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于稳健核主成分分析的SAR图像目标识别 | 第35-46页 |
| 4.1 稳健核主成分分析 | 第35-38页 |
| 4.1.1 核主成分分析 | 第35-37页 |
| 4.1.2 稳健核主成分分析 | 第37-38页 |
| 4.2 基于核方法与子空间融合的SAR图像目标识别 | 第38-39页 |
| 4.2.1 实验分析 | 第38-39页 |
| 4.2.2 训练效率分析 | 第39页 |
| 4.3 基于核方法与卷积神经网络融合的SAR图像目标识别 | 第39-45页 |
| 4.3.1 卷积神经网络结构 | 第40页 |
| 4.3.2 基于核方法与LeNet-5 网络融合的SAR图像目标识别 | 第40-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 工作总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 发表论文和科研情况说明 | 第52-53页 |
| 致谢 | 第53页 |
