基于自组织神经网络的目标轨迹分析研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外的发展现状 | 第10-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-13页 |
| 第二章 运动轨迹获取方法研究 | 第13-23页 |
| 2.1 运动轨迹数据研究概述 | 第13页 |
| 2.2 常用运动轨迹获取方法 | 第13-19页 |
| 2.2.1 运动目标检测 | 第13-17页 |
| 2.2.2 运动轨迹提取 | 第17-19页 |
| 2.3 特定场景下目标运动轨迹获取 | 第19-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第三章 不完整轨迹数据预测研究 | 第23-37页 |
| 3.1 灰色预测理论 | 第23-25页 |
| 3.2 马尔科夫预测理论 | 第25-26页 |
| 3.2.1 马尔科夫过程 | 第25页 |
| 3.2.2 转移概率 | 第25-26页 |
| 3.3 改进的预测模型 | 第26-29页 |
| 3.4 使用改进的灰色预测补全短轨迹实验 | 第29-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 运动轨迹间差异研究 | 第37-55页 |
| 4.1 流形与运动轨迹之间的联系 | 第38页 |
| 4.2 流形学习方法研究 | 第38-47页 |
| 4.3 轨迹几何形态特征表示 | 第47-49页 |
| 4.4 建立流形向量场 | 第49-50页 |
| 4.5 运动目标轨迹流形向量场表示 | 第50-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第五章 自组织神经网络聚类研究 | 第55-65页 |
| 5.1 自组织神经网络 | 第56-57页 |
| 5.2 网络竞争学习的原理 | 第57-58页 |
| 5.3 飓风轨迹的聚类研究 | 第58-62页 |
| 5.4 本章小结 | 第62-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录A: 攻读硕士学位期间发表的论文 | 第73页 |
