| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 引言 | 第10-17页 |
| ·研究背景 | 第10页 |
| ·雷达目标识别概述 | 第10-16页 |
| ·雷达目标识别的基本过程 | 第10-11页 |
| ·目标识别技术概况 | 第11-13页 |
| ·目标一维距离像识别 | 第13-16页 |
| ·本文研究的内容及文章组织 | 第16-17页 |
| 第二章 雷达目标一维距离像及其仿真模型的建立 | 第17-24页 |
| ·目标散射中心模型 | 第17-19页 |
| ·仿真目标模型建立 | 第19-22页 |
| ·实测数据及预处理 | 第22-24页 |
| ·数据描述 | 第22-23页 |
| ·预处理 | 第23-24页 |
| 第三章 核Fisher 判别分析中的改进零空间方法 | 第24-35页 |
| ·Fisher 方法 | 第24-26页 |
| ·直接求解 | 第25页 |
| ·去除Sb 的零空间 | 第25-26页 |
| ·直接利用Sw 的零空间 | 第26页 |
| ·改进的零空间方法 | 第26-28页 |
| ·核特征空间中的改进零空间方法 | 第28-30页 |
| ·目标仿真识别实验 | 第30-34页 |
| ·数据描述 | 第30页 |
| ·方法描述 | 第30-31页 |
| ·实验及结果分析 | 第31-34页 |
| ·本章小节 | 第34-35页 |
| 第四章 KPCA+LDA 特征提取方法 | 第35-43页 |
| ·核主成分分析KPCA | 第35-37页 |
| ·PCA | 第35-36页 |
| ·KPCA | 第36-37页 |
| ·KPCA+LDA | 第37-38页 |
| ·目标识别仿真实验 | 第38-41页 |
| ·数据描述 | 第38-39页 |
| ·方法描述 | 第39页 |
| ·实验及结果分析 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第五章 核支持向量最优变换矩阵 | 第43-59页 |
| ·支持向量机 | 第43-48页 |
| ·样本可分的线性SVM | 第44-45页 |
| ·样本集不可分的线性SVM | 第45页 |
| ·非线性SVM | 第45-47页 |
| ·多类SVM | 第47-48页 |
| ·支持向量集 | 第48-50页 |
| ·两类支持向量集 | 第48-49页 |
| ·多类支持向量集 | 第49-50页 |
| ·最优变换矩阵 | 第50-52页 |
| ·利用支持向量集构建Fisher 判别式 | 第50-51页 |
| ·利用零空间求解最优变换矩阵 | 第51-52页 |
| ·目标仿真识别实验 | 第52-57页 |
| ·数据描述 | 第52页 |
| ·方法描述 | 第52-53页 |
| ·实验及分析 | 第53-57页 |
| ·本章小节 | 第57-59页 |
| 第六章 总结及展望 | 第59-61页 |
| ·全文总结 | 第59页 |
| ·对未来工作的展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士期间取得的研究成果 | 第65-66页 |