| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景及意义 | 第8-9页 |
| ·研究现状及进展 | 第9-10页 |
| ·主要特征提取方法 | 第9-10页 |
| ·主要特征选择方法 | 第10页 |
| ·论文的研究内容及其章节安排 | 第10-12页 |
| ·本文主要研究内容 | 第10-11页 |
| ·本文章节安排 | 第11-12页 |
| 第二章 维数缩减方法的研究及其性能比较 | 第12-34页 |
| ·引言 | 第12页 |
| ·特征提取方法的研究 | 第12-18页 |
| ·线性特征提取方法的研究和分析 | 第13-15页 |
| ·非线性特征提取方法的研究分析 | 第15-18页 |
| ·基于核函数的非线性降维方法 | 第15-18页 |
| ·基于流形学习的非线性特征提取方法 | 第18页 |
| ·特征选择技术的分析与研究 | 第18-22页 |
| ·特征选择的定义 | 第19页 |
| ·特征选择方法的评价准则 | 第19-20页 |
| ·特征选择方法的分类 | 第20-22页 |
| ·按特征评价准则分类 | 第20-21页 |
| ·按照特征搜索方式分类 | 第21页 |
| ·主要特征选择方法的分类结果 | 第21-22页 |
| ·主要特征选择方法及性能比较 | 第22-26页 |
| ·基于免疫克隆选择和遗传规划相结合的维数缩减 | 第26-32页 |
| ·引言 | 第26-27页 |
| ·免疫克隆选择算法 | 第27-28页 |
| ·基于免疫克隆选择和遗传规划相结合的特征提取方法 | 第28-31页 |
| ·免疫克隆选择算法在遗传规划中的应用 | 第28-30页 |
| ·算法步骤 | 第30-31页 |
| ·实验及结果分析 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 基于免疫克隆选择和PCA的特征提取 | 第34-44页 |
| ·引言 | 第34-35页 |
| ·PCA 的基本原理 | 第35-37页 |
| ·基于免疫克隆选择和PCA 的特征提取算法 | 第37-39页 |
| ·算法基本原理 | 第37-38页 |
| ·算法主要步骤 | 第38-39页 |
| ·基于免疫克隆选择和PCA 特征提取的高光谱图像分类 | 第39-43页 |
| ·UCI 数据分类 | 第39-40页 |
| ·高光谱图像的分类 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于免疫克隆选择的最优投影向量的选择 | 第44-54页 |
| ·引言 | 第44-45页 |
| ·研究动机 | 第45-46页 |
| ·免疫克隆选择算法在最优化投影向量选择中的应用 | 第46-49页 |
| ·算法基本原理 | 第46-48页 |
| ·算法主要步骤 | 第48-49页 |
| ·基于免疫克隆选择最优投影向量选择的SAR 图像目标识别 | 第49-52页 |
| ·UCI 数据的分类 | 第49-51页 |
| ·SAR 图像目标识别—MSTAR 数据 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 硕士阶段研究成果 | 第64-65页 |