支持向量机在水下目标识别中的应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第1章 绪论 | 第11-16页 |
| ·水下目标识别的背景和意义 | 第11-13页 |
| ·背景 | 第11页 |
| ·意义 | 第11-13页 |
| ·水下目标识别的方法 | 第13页 |
| ·国内外水下目标识别的发展现状 | 第13-14页 |
| ·本论文研究的主要内容 | 第14-16页 |
| 第2章 目标的特性提取 | 第16-38页 |
| ·引言 | 第16页 |
| ·目标特征向量的K-L特征变换 | 第16-17页 |
| ·小波包能量特征提取 | 第17-26页 |
| ·常数Q滤波子带能量特征 | 第26-28页 |
| ·双谱分析 | 第28-32页 |
| ·双谱的算法 | 第28-29页 |
| ·双谱特征提取 | 第29-32页 |
| ·主成分分析 | 第32-35页 |
| ·各种特征性能比较 | 第35-38页 |
| 第3章 统计学习理论和支持向量机 | 第38-46页 |
| ·引言 | 第38页 |
| ·机器学习的基本问题 | 第38-42页 |
| ·基本问题的内容 | 第38-39页 |
| ·VC维 | 第39-40页 |
| ·经验风险最小化原则 | 第40-41页 |
| ·结构风险最小化 | 第41-42页 |
| ·复杂性与泛化性 | 第42页 |
| ·支持向量机 | 第42-46页 |
| ·广义最优分类面 | 第42-44页 |
| ·核函数 | 第44-45页 |
| ·支持向量机 | 第45-46页 |
| 第4章 支持向量机算法与分类器设计 | 第46-56页 |
| ·引言 | 第46页 |
| ·支持向量机的基本算法 | 第46页 |
| ·固定样本工作集算法 | 第46-47页 |
| ·SMO算法 | 第47-51页 |
| ·两个Lagrange乘子的优化问题 | 第47-49页 |
| ·基于启发式策略的Lagrange乘子选择 | 第49-51页 |
| ·SMO算法的优点 | 第51页 |
| ·分类器设计 | 第51-56页 |
| ·分类器概述 | 第51页 |
| ·支持向量机分类器 | 第51-54页 |
| ·欧氏距离分类器 | 第54页 |
| ·最近邻分类器 | 第54-56页 |
| 第5章 试验与讨论 | 第56-63页 |
| ·引言 | 第56页 |
| ·水池试验概况 | 第56-58页 |
| ·试验数据处理 | 第58-63页 |
| ·吊放目标的定点测量 | 第58页 |
| ·掩埋目标的定点测量 | 第58-59页 |
| ·掩埋目标的扫描测量 | 第59-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第68-69页 |
| 致谢 | 第69页 |
