基于雷达高分辨距离像目标识别的在线贝叶斯模型研究
| 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11-14页 |
| 第一章 绪论 | 第14-26页 |
| 1.1 雷达自动目标识别意义 | 第14-17页 |
| 1.2 雷达高分辨距离像特征分析 | 第17-20页 |
| 1.2.1 雷达高分辨距离像特性 | 第17-18页 |
| 1.2.2 雷达高分辨距离像时域和频域特征 | 第18-20页 |
| 1.3 在线学习算法研究 | 第20-23页 |
| 1.3.1 在线学习算法研究背景 | 第20页 |
| 1.3.2 在线学习算法国内外研究现状 | 第20-23页 |
| 1.4 研究内容安排 | 第23-26页 |
| 1.4.1 实验数据介绍 | 第23-24页 |
| 1.4.2 本文内容安排 | 第24-26页 |
| 第二章 最大间隔因子分析模型 | 第26-40页 |
| 2.1 引言 | 第26页 |
| 2.2 贝叶斯统计学习 | 第26-32页 |
| 2.2.1 三种信息 | 第27页 |
| 2.2.2 贝叶斯定理简介 | 第27-28页 |
| 2.2.3 先验分布的选取 | 第28-29页 |
| 2.2.4 贝叶斯推断方法 | 第29-32页 |
| 2.3 支撑向量机 | 第32-36页 |
| 2.3.1 支撑向量机简介 | 第32-33页 |
| 2.3.2 支撑向量机算法原理 | 第33-34页 |
| 2.3.3 隐变量支撑向量机 | 第34-36页 |
| 2.4 最大间隔因子分析模型 | 第36-39页 |
| 2.4.1 因子分析模型 | 第36-37页 |
| 2.4.2 最大间隔因子分析模型 | 第37-39页 |
| 2.5 本章小结 | 第39-40页 |
| 第三章 变分贝叶斯算法求解最大间隔因子分析模型 | 第40-52页 |
| 3.1 引言 | 第40页 |
| 3.2 变分贝叶斯算法 | 第40-43页 |
| 3.2.1 变分贝叶斯简介 | 第40-41页 |
| 3.2.2 变分贝叶斯原理 | 第41-43页 |
| 3.3 模型参数估计 | 第43-46页 |
| 3.4 识别框架 | 第46-47页 |
| 3.5 实验结果分析 | 第47-50页 |
| 3.5.1 实验数据预处理 | 第47页 |
| 3.5.2 实验结果分析 | 第47-50页 |
| 3.6 本章小结 | 第50-52页 |
| 第四章 在线最大间隔因子分析模型 | 第52-62页 |
| 4.1 引言 | 第52页 |
| 4.2 Online VB算法 | 第52-54页 |
| 4.3 模型参数估计 | 第54-57页 |
| 4.4 识别框架 | 第57-58页 |
| 4.5 实验结果分析 | 第58-61页 |
| 4.5.1 实验数据预处理 | 第58页 |
| 4.5.2 实验结果分析 | 第58-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 工作总结 | 第62页 |
| 5.2 工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70-71页 |
