| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 雷达自动目标识别研究背景及意义 | 第15-16页 |
| 1.2 雷达HRRP数据特性分析 | 第16-17页 |
| 1.3 基于HRRP的雷达目标识别方法 | 第17-20页 |
| 1.4 本文安排 | 第20-23页 |
| 1.4.1 实验数据介绍 | 第20-21页 |
| 1.4.2 本文内容安排 | 第21-23页 |
| 第二章 基于贝叶斯统计学习的雷达HRRP目标识别基本理论 | 第23-35页 |
| 2.1 概述 | 第23页 |
| 2.2 贝叶斯分类器 | 第23-25页 |
| 2.2.1 贝叶斯分类器简介 | 第23-24页 |
| 2.2.2 先验分布选取 | 第24-25页 |
| 2.3 经典贝叶斯识别模型 | 第25-28页 |
| 2.3.1 因子分析模型 | 第25-26页 |
| 2.3.2 隐变量支撑向量机 | 第26-28页 |
| 2.4 常用模型参数估计方法 | 第28-33页 |
| 2.4.1 最大似然估计 | 第28-30页 |
| 2.4.2 贝叶斯参数估计 | 第30-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 基于最大间隔正则化因子分析模型的目标识别方法 | 第35-51页 |
| 3.1 概述 | 第35页 |
| 3.2 最大间隔因子分析模型 | 第35-36页 |
| 3.3 最大间隔正则化因子分析模型 | 第36-40页 |
| 3.3.1 最大间隔正则化因子分析模型 | 第37-38页 |
| 3.3.2 MMRFA模型推断 | 第38-40页 |
| 3.4 最大间隔正则化Beta过程因子分析模型 | 第40-44页 |
| 3.4.1 Beta过程因子分析模型 | 第41页 |
| 3.4.2 最大间隔正则化Beta过程因子分析模型 | 第41-42页 |
| 3.4.3 MMRBPFA模型推断 | 第42-44页 |
| 3.5 识别框架 | 第44-45页 |
| 3.6 实验结果分析 | 第45-49页 |
| 3.6.1 公共数据集 | 第45-46页 |
| 3.6.2 实测雷达HRRP数据集 | 第46-49页 |
| 3.7 本章小结 | 第49-51页 |
| 第四章 基于Dirichlet过程贝叶斯核支持向量机模型的目标识别方法 | 第51-69页 |
| 4.1 概述 | 第51-52页 |
| 4.2 贝叶斯核支持向量机 | 第52-57页 |
| 4.2.1 贝叶斯核支持向量机 | 第52-56页 |
| 4.2.2 贝叶斯核SVM模型推断 | 第56-57页 |
| 4.2.3 识别框架 | 第57页 |
| 4.3 狄利克雷过程及狄利克雷过程混合模型 | 第57-59页 |
| 4.3.1 Dirichlet过程 | 第57-58页 |
| 4.3.2 Dirichlet过程混合模型 | 第58-59页 |
| 4.4 Dirichlet过程贝叶斯核支持向量机 | 第59-63页 |
| 4.4.1 Dirichlet过程贝叶斯核支持向量机 | 第59-61页 |
| 4.4.2 模型参数推断 | 第61-62页 |
| 4.4.3 识别框架 | 第62-63页 |
| 4.5 实验结果及分析 | 第63-68页 |
| 4.5.1 仿真数据 | 第64-66页 |
| 4.5.2 公共数据集 | 第66-67页 |
| 4.5.3 实测雷达HRRP数据集 | 第67-68页 |
| 4.6 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 工作总结 | 第69页 |
| 5.2 工作展望 | 第69-71页 |
| 附录A MMRFA和MMRBPFFA模型变分下界 | 第71-77页 |
| 附录B BKSVM和DPBKSVM模型变分下界 | 第77-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-89页 |
| 作者简介 | 第89-90页 |
