基于支持向量机的空中目标识别技术研究
| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| ·引言 | 第10-11页 |
| ·空中目标识别的研究现状 | 第11-12页 |
| ·支持向量机的研究现状 | 第12-16页 |
| ·支持向量机的训练算法 | 第12-13页 |
| ·支持向量机的多类问题 | 第13-14页 |
| ·支持向量机的变形算法 | 第14-15页 |
| ·支持向量机的应用 | 第15-16页 |
| ·论文主要内容安排 | 第16-17页 |
| 第二章 支持向量机技术 | 第17-31页 |
| ·支持向量机的原理 | 第17-27页 |
| ·统计学习理论 | 第17-20页 |
| ·线性支持向量机 | 第20-22页 |
| ·非线性支持向量机 | 第22-24页 |
| ·支持向量机的核函数 | 第24-27页 |
| ·支持向量机的优势 | 第27-31页 |
| ·支持向量机的特点 | 第27页 |
| ·神经网络方法简介 | 第27-29页 |
| ·实验结果及分析 | 第29-31页 |
| 第三章 空中目标识别的KNN-SVM 算法 | 第31-44页 |
| ·引言 | 第31页 |
| ·空中目标特性分析 | 第31-38页 |
| ·旋翼飞机的雷达回波组成 | 第32页 |
| ·旋翼回波的理论模型 | 第32-34页 |
| ·旋翼回波的特点分析 | 第34-35页 |
| ·重复周期和波束驻留时间要求 | 第35-36页 |
| ·空中目标雷达回波的频谱 | 第36-38页 |
| ·KNN-SVM 算法 | 第38-41页 |
| ·KNN 简介 | 第38-39页 |
| ·KNN-SVM 算法原理 | 第39-40页 |
| ·目标识别的积累策略 | 第40页 |
| ·算法步骤 | 第40-41页 |
| ·实验结果与分析 | 第41-42页 |
| ·小结 | 第42-44页 |
| 第四章 空中目标识别的快速SVM 分类算法 | 第44-53页 |
| ·引言 | 第44-45页 |
| ·一种快速SVM 分类算法 | 第45-48页 |
| ·算法原理 | 第45-47页 |
| ·算法步骤及分析 | 第47-48页 |
| ·一种改进的快速SVM 分类算法 | 第48-50页 |
| ·基本思路 | 第48-49页 |
| ·算法步骤及分析 | 第49-50页 |
| ·一种优化的快速SVM 分类算法 | 第50-52页 |
| ·基本思路 | 第50-51页 |
| ·算法步骤 | 第51-52页 |
| ·实验结果与分析 | 第52页 |
| ·小结 | 第52-53页 |
| 结束语 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 作者在学期间取得的学术成果 | 第60页 |
