| 摘要 | 第1-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第14-27页 |
| ·课题的背景和意义 | 第14-15页 |
| ·国内外研究状况 | 第15-24页 |
| ·基于散射中心参数估计目标识别国内外研究现状 | 第15-17页 |
| ·支持向量机目标分类国内外研究现状 | 第17-21页 |
| ·支持向量数据描述国内外研究现状 | 第21-24页 |
| ·本文主要工作 | 第24-25页 |
| ·论文内容安排 | 第25-27页 |
| 第二章 基于散射中心相对距离估计的分布特征提取研究 | 第27-43页 |
| ·引言 | 第27-28页 |
| ·基于散射中心模型的雷达目标回波建模 | 第28-30页 |
| ·散射中心个数估计 | 第30-33页 |
| ·一种基于散射中心相对距离估计的目标识别方法 | 第33-39页 |
| ·散射中心位置估计与相对距离特征提取 | 第33-36页 |
| ·散射中心相对距离特征提取可行性分析 | 第36-38页 |
| ·基于散射中心相对距离的目标识别算法流程 | 第38-39页 |
| ·仿真实验 | 第39-42页 |
| ·实验数据 | 第39-41页 |
| ·仿真结果 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第三章 核映射方法和两种核方法分类器 | 第43-57页 |
| ·引言 | 第43-44页 |
| ·核方法基本概念 | 第44-45页 |
| ·Mercer核和Mercer核展开定理 | 第45-46页 |
| ·两种基于核方法的分类器 | 第46-52页 |
| ·支持向量机理论 | 第46-49页 |
| ·支持向量数据描述 | 第49-52页 |
| ·两种核方法分类器优点及问题分析 | 第52-56页 |
| ·支持向量机优点及有待解决的问题 | 第52-54页 |
| ·支持向量数据描述方法优点及有待解决的问题 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 高分辨雷达目标分类中支持向量机分类器参数优化研究 | 第57-89页 |
| ·引言 | 第57-59页 |
| ·支持向量机分类器泛化误差估计方法 | 第59-63页 |
| ·各种上界估计方法在高分辨雷达目标分类中性能分析和比较 | 第63-68页 |
| ·一维距离像识别中参数与SVM泛化能力关系及搜索范围确定 | 第68-76页 |
| ·核函数参数与支持向量机分类器泛化能力关系 | 第69-72页 |
| ·惩罚因子C与支持向量机分类器泛化能力关系 | 第72-73页 |
| ·组合核的支持向量机分类器泛化能力分析[74] | 第73-75页 |
| ·小结 | 第75-76页 |
| ·基于改进遗传算法的支持向量机参数优化与特征提取方法 | 第76-87页 |
| ·传统支持向量机参数优化方法及局限性 | 第76-77页 |
| ·基于改进遗传算法的SVM参数优化与特征提取方法 | 第77-82页 |
| ·BenchMark/UCI数据分类实验验证 | 第82-84页 |
| ·基于高分辨一维距离像分类实验验证 | 第84-87页 |
| ·本章小结 | 第87-89页 |
| 第五章 支持向量数据描述多类分类算法研究 | 第89-124页 |
| ·引言 | 第89-92页 |
| ·支持向量数据描述与其它数据描述方法性能比较 | 第92-95页 |
| ·核函数参数对支持向量数据描述分类边界的影响 | 第95-97页 |
| ·支持向量数据描述多目标分类研究 | 第97-123页 |
| ·支持向量数据描述两类分类推广算法 | 第97-103页 |
| ·支持向量数据描述多类分类推广中关键问题分析 | 第103-105页 |
| ·最小距离分类准则和阈值策略 | 第105-107页 |
| ·基于最小距离分类规则和阈值策略的SVDD多类分类算法 | 第107-109页 |
| ·SVDD_MDRTS算法性能分析 | 第109-114页 |
| ·基于高频电磁散射数据的SVDD_MDRTS算法验证 | 第114-123页 |
| ·本章小结 | 第123-124页 |
| 结束语 | 第124-127页 |
| 致谢 | 第127-128页 |
| 参考文献 | 第128-135页 |
| 作者在学期间取得的学术成果 | 第135-136页 |
| 附录A KKT(Karush-Kuhn-Tucker)条件 | 第136页 |
