雷达辐射源个体识别中的分类器设计与子空间学习
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-13页 |
| ·雷达辐射源个体识别技术 | 第8-11页 |
| ·基于子空间学习的特征降维 | 第11-13页 |
| ·论文内容和章节安排 | 第13-15页 |
| 第二章 雷达辐射源个体特征提取 | 第15-23页 |
| ·引言 | 第15页 |
| ·基于循环谱零点切片的特征提取 | 第15-16页 |
| ·基于模糊函数切片串联的特征提取 | 第16-18页 |
| ·实验结果与分析 | 第18-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 分类器设计与系统拒识 | 第23-37页 |
| ·引言 | 第23页 |
| ·分类器设计与组合 | 第23-28页 |
| ·概率输出型分类器 | 第24-27页 |
| ·基于后验概率的分类器组合 | 第27-28页 |
| ·系统拒识和性能评价 | 第28-31页 |
| ·广义置信度准则下的拒识算法 | 第29页 |
| ·系统性能评价指标 | 第29-31页 |
| ·实验结果与分析 | 第31-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 线性判别子空间学习 | 第37-53页 |
| ·引言 | 第37页 |
| ·单子空间判别分析 | 第37-40页 |
| ·PCA+LDA | 第38-39页 |
| ·NLDA | 第39页 |
| ·DLDA | 第39-40页 |
| ·多子空间判别分析 | 第40-45页 |
| ·DSLDA | 第40-41页 |
| ·ERE | 第41-43页 |
| ·Random Sampling LDA | 第43-45页 |
| ·实验结果与分析 | 第45-52页 |
| ·图像数据集上的实验 | 第45-48页 |
| ·实测雷达辐射源数据集上的实验 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 核判别子空间学习 | 第53-69页 |
| ·引言 | 第53页 |
| ·核方法的基本概念 | 第53-54页 |
| ·核子空间学习 | 第54-60页 |
| ·核主分量分析 | 第54-55页 |
| ·核判别分析 | 第55-57页 |
| ·核直接判别分析 | 第57-58页 |
| ·完全核判别分析 | 第58-60页 |
| ·实验结果与分析 | 第60-68页 |
| ·图像数据集上的实验 | 第60-64页 |
| ·实测雷达辐射源数据集上的实验 | 第64-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·全文总结 | 第69-70页 |
| ·工作展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 作者在读期间的研究成果 | 第77-78页 |
