| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-22页 |
| ·研究背景及意义 | 第13页 |
| ·雷达目标识别系统模型 | 第13-14页 |
| ·雷达目标识别方法简述 | 第14-16页 |
| ·基于距离像的雷达目标识别技术研究概况 | 第16-20页 |
| ·特征提取方法概述 | 第16-18页 |
| ·目标分类技术概述 | 第18-20页 |
| ·论文的主要内容和创新之处 | 第20-22页 |
| 第二章 雷达目标距离像及其特性 | 第22-29页 |
| ·引言 | 第22页 |
| ·目标散射中心模型 | 第22-23页 |
| ·高分辨距离像及其特性 | 第23-25页 |
| ·高分辨距离像 | 第23-24页 |
| ·高分辨距离像特性 | 第24-25页 |
| ·距离像实验数据 | 第25-28页 |
| ·仿真数据描述 | 第25-27页 |
| ·实测数据描述 | 第27页 |
| ·实验数据预处理 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于最优核鉴别分析的距离像特征提取 | 第29-43页 |
| ·引言 | 第29-30页 |
| ·核方法基本思想 | 第30-31页 |
| ·核鉴别分析 | 第31-36页 |
| ·核Fisher准则 | 第31-34页 |
| ·KDA | 第34页 |
| ·GDA | 第34-35页 |
| ·KDDA | 第35-36页 |
| ·最优核鉴别分析 | 第36-37页 |
| ·OKDA算法推导 | 第36-37页 |
| ·OKDA算法实现 | 第37页 |
| ·目标识别实验 | 第37-42页 |
| ·仿真数据实验 | 第38-39页 |
| ·实测数据实验 | 第39-41页 |
| ·实验结论 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于核不相关鉴别分析的距离像特征提取 | 第43-55页 |
| ·引言 | 第43页 |
| ·统计不相关鉴别矢量集 | 第43-45页 |
| ·直接核不相关鉴别分析 | 第45-49页 |
| ·核不相关Fisher准则 | 第45-47页 |
| ·DKUDA算法推导 | 第47-49页 |
| ·DKUDA算法实现 | 第49页 |
| ·基于广义奇异值分解的核不相关鉴别分析(KUDA/GSVD) | 第49-51页 |
| ·KUDA/GSVD算法推导 | 第49-51页 |
| ·KUDA/GSVD算法实现 | 第51页 |
| ·目标识别实验 | 第51-54页 |
| ·仿真数据实验 | 第52-53页 |
| ·实测数据实验 | 第53-54页 |
| ·实验结论 | 第54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于监督核近邻保持投影的距离像特征提取 | 第55-69页 |
| ·引言 | 第55-56页 |
| ·流形学习 | 第56-60页 |
| ·流形和流形学习 | 第56页 |
| ·几种流形学习算法 | 第56-60页 |
| ·NPP简介 | 第60-61页 |
| ·监督核近邻保持投影 | 第61-65页 |
| ·SNPP | 第61-62页 |
| ·SKNPP算法推导 | 第62-65页 |
| ·SKNPP算法实现 | 第65页 |
| ·目标识别实验 | 第65-67页 |
| ·仿真数据实验 | 第65-66页 |
| ·实测数据实验 | 第66-67页 |
| ·实验结论 | 第67页 |
| ·本章小结 | 第67-69页 |
| 第六章 基于KUDNE和KUDLPP的距离像特征提取 | 第69-80页 |
| ·引言 | 第69页 |
| ·核不相关鉴别近邻嵌入 | 第69-72页 |
| ·KUDNE算法推导 | 第69-72页 |
| ·KUDNE算法实现 | 第72页 |
| ·LPP简介 | 第72-73页 |
| ·核不相关鉴别局部保持投影 | 第73-75页 |
| ·KUDLPP算法推导 | 第73-75页 |
| ·KUDLPP算法实现 | 第75页 |
| ·目标识别实验 | 第75-79页 |
| ·仿真数据实验 | 第75-77页 |
| ·实测数据实验 | 第77-78页 |
| ·实验结论 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 第七章 核非线性分类器 | 第80-98页 |
| ·引言 | 第80页 |
| ·支持向量机 | 第80-85页 |
| ·统计学习理论 | 第80-81页 |
| ·线性可分SVM | 第81-83页 |
| ·线性不可分SVM | 第83-84页 |
| ·非线性SVM | 第84-85页 |
| ·函数逼近和逆问题 | 第85-86页 |
| ·KND | 第86-89页 |
| ·最佳鉴别 | 第86-87页 |
| ·KND | 第87页 |
| ·KND的自适应训练及稀疏表示 | 第87-89页 |
| ·KNR | 第89-92页 |
| ·最优逼近 | 第89-90页 |
| ·KNR | 第90-91页 |
| ·KNR的自适应训练和稀疏表示 | 第91-92页 |
| ·三种分类器的比较 | 第92-93页 |
| ·目标识别实验 | 第93-97页 |
| ·仿真数据实验 | 第93-95页 |
| ·实测数据实验 | 第95-96页 |
| ·实验结论 | 第96-97页 |
| ·本章小结 | 第97-98页 |
| 第八章 总结与展望 | 第98-100页 |
| ·全文总结 | 第98-99页 |
| ·工作展望 | 第99-100页 |
| 致谢 | 第100-101页 |
| 参考文献 | 第101-111页 |
| 攻博期间的研究成果 | 第111-112页 |