首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于人工鱼群算法的目标跟踪与识别

摘要第4-5页
ABSTRACT第5-6页
第一章 绪论第9-18页
    1.1 研究背景和意义第9-10页
    1.2 国内外研究现状及发展趋势第10-14页
        1.2.1 人工鱼群算法的研究现状第10-11页
        1.2.2 目标跟踪研究现状第11-12页
        1.2.3 目标识别之人脸识别研究现状第12-14页
    1.3 本文研究内容第14-15页
    1.4 论文结构安排第15-16页
    参考文献第16-18页
第二章 图像特征提取、目标跟踪识别技术综述第18-30页
    2.1 图像特征提取算法第18-25页
        2.1.1 HOG算法概述第18-20页
        2.1.2 WLD算法概述第20-21页
        2.1.3 Gabor+PCA算法概述第21-24页
        2.1.4 2DLDA算法概述第24-25页
    2.2 运动目标跟踪技术第25-27页
    2.3 目标识别技术第27-29页
    2.4 本章小结第29页
    参考文献第29-30页
第三章 改进的人工鱼群算法第30-41页
    3.1 传统人工鱼群算法第30-33页
        3.1.1 觅食行为第31-32页
        3.1.2 聚群行为第32页
        3.1.3 追尾行为第32-33页
        3.1.4 随机行为第33页
        3.1.5 公告牌第33页
        3.1.6 行为评价第33页
    3.2 参数对算法收敛的影响第33-34页
    3.3 改进的人工鱼群算法第34-37页
    3.4 仿真实验分析第37-40页
        3.4.1 函数的收敛曲线和结果第37-39页
        3.4.2 标准差第39-40页
    3.5 本章小结第40-41页
第四章 基于改进人工鱼群算法的人脸识别第41-51页
    4.1 支持向量机第42-45页
        4.1.1 支持向量机基本原理第42-44页
        4.1.2 人工鱼群算法对支持向量机参数的优化第44-45页
        4.1.3 参数对支持向量机的影响第45页
    4.2 LBP人脸特征提取算法第45-47页
        4.2.1 传统LBP算法概述第45-46页
        4.2.2 改进的LBP算法第46-47页
    4.3 改进的人工鱼群算法优化支持向量机参数的人脸识别第47-48页
    4.4 实验结果分析第48页
    4.5 本章小结第48-49页
    参考文献第49-51页
第五章 基于改进人工鱼群算法的粒子滤波目标跟踪第51-67页
    5.1 贝叶斯估计理论第52-55页
    5.2 粒子滤波目标跟踪第55-56页
    5.3 改进的人工鱼群算法第56-57页
    5.4 基于改进人工鱼群算法的粒子滤波目标跟踪第57-58页
    5.5 仿真实验分析第58-64页
        5.5.1 实验结果及分析第59-60页
        5.5.2 标准差第60页
        5.5.3 函数的收敛曲线第60-62页
        5.5.4 跟踪结果第62-64页
    5.6 本章小结第64-65页
    参考文献第65-67页
第六章 总结与展望第67-70页
    6.1 论文总结第67页
    6.2 展望第67-70页
攻读硕士学位期间学术成果及奖励第70-71页
致谢第71页

论文共71页,点击 下载论文
上一篇:以苯胺为起始物的碱促进的异硫脲衍生物或其关环产物的合成
下一篇:叶黄素酯超微粉的反溶剂沉积法制备工艺、表征与活性评价