| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-11页 |
| 1 绪论 | 第11-16页 |
| ·选题背景与意义 | 第11-12页 |
| ·国内外研究方法 | 第12-14页 |
| ·国外研究方法 | 第12-13页 |
| ·国内研究方法 | 第13-14页 |
| ·研究现状总结 | 第14-15页 |
| ·本文主要工作及思路 | 第15-16页 |
| 2 基于多视角的多维特征体系建立 | 第16-41页 |
| ·多维特征体系的选定 | 第16-18页 |
| ·特征体系分类 | 第16-17页 |
| ·多视点多维特征结构体系的建立 | 第17-18页 |
| ·多维特征的定量化分析 | 第18-37页 |
| ·基于自适应显著性水平集轮廓模型的图像分割方法 | 第19-24页 |
| ·基于Li模型的水平集演化算法 | 第19-20页 |
| ·基于二维凸包的自适应显著性水平集算法 | 第20-24页 |
| ·前视角特征组B1 | 第24-34页 |
| ·车脸带定义及区域分割 | 第24-26页 |
| ·前车灯区域特征向量C1 | 第26-28页 |
| ·中网区域特征向量C2 | 第28-34页 |
| ·侧视角特征组B2 | 第34-35页 |
| ·尾视角特征组B3 | 第35-37页 |
| ·多维特征形式的处理 | 第37-40页 |
| ·特征参数一致化处理 | 第37-39页 |
| ·特征的无量纲化处理 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 3 基于改进的KICA特征参数优化方法 | 第41-48页 |
| ·参数优化模型的选定 | 第41-42页 |
| ·改进型KICA参数优化模型 | 第42-44页 |
| ·模型基本原理 | 第42-43页 |
| ·特征参数优化过程分析 | 第43-44页 |
| ·多视角多维特征体系的优化流程 | 第44-45页 |
| ·参数优化效果评价方法 | 第45-46页 |
| ·本章小结 | 第46-48页 |
| 4 基于组合核函数的自适应支持向量机分类识别模型 | 第48-59页 |
| ·模型确立的原则与选取 | 第48-49页 |
| ·基于组合核函数的支持向量机模型 | 第49-55页 |
| ·基于结点优化的DDAG-SVM多分类识别模型 | 第49-50页 |
| ·识别模型中组合核函数的确定 | 第50-53页 |
| ·识别模型中组合参数的提出 | 第53-55页 |
| ·分类识别模型中的最优参数自适应确定 | 第55-58页 |
| ·样本数据自动优化分选 | 第56-57页 |
| ·模型最优参数自适应搜索 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 5 实验及分析 | 第59-74页 |
| ·基于自适应显著性水平集图像分割方法的实验分析 | 第59-61页 |
| ·多维特征参数优化方法对比分析 | 第61-69页 |
| ·基于改进型KICA的参数优化实验 | 第64-67页 |
| ·不同参数优化模型对比实验 | 第67-69页 |
| ·基于组合核函数的自适应支持向量机分类识别实验分析 | 第69-72页 |
| ·不同车型识别分类结果 | 第69-70页 |
| ·样本数据分选前后数量和运行时间对比 | 第70页 |
| ·不同特征参数识别效果对比 | 第70-71页 |
| ·不同核函数识别效果对比 | 第71页 |
| ·不同形式支持向量机分类识别综合效果对比实验 | 第71-72页 |
| ·分类识别模型综合对比实验 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 6 结论 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 作者简历 | 第79-83页 |
| 学位论文数据集 | 第83页 |