基于支持向量机的SAR目标分类识别
摘要 | 第1-5页 |
ABSTRACT | 第5-9页 |
第一章 绪论 | 第9-15页 |
·研究背景和意义 | 第9-10页 |
·SVM 国内外研究现状 | 第10-14页 |
·基于SVM 的图像滤波 | 第10-11页 |
·基于SVM 的图像分割 | 第11-12页 |
·基于SVM 的极化SAR 分类 | 第12-13页 |
·基于SVM 的目标分类识别 | 第13-14页 |
·本文主要工作 | 第14-15页 |
第二章 支持向量机基本原理 | 第15-25页 |
·最小结构风险准则 | 第15-17页 |
·SVM 分类器原理 | 第17-20页 |
·核函数 | 第20-21页 |
·SVM 算法 | 第21-22页 |
·多类分类问题 | 第22-23页 |
·SVM 分类器参数求解 | 第23-24页 |
·SVM 分类识别基本流程 | 第24页 |
·本章小结 | 第24-25页 |
第三章 基于马尔科夫随机场的SAR 图像分割 | 第25-36页 |
·MAP-MRF 体系 | 第25-27页 |
·后验能量函数优化算法 | 第27页 |
·条件迭代算法 | 第27-29页 |
·Gibbs 采样算法 | 第29-30页 |
·SA 算法 | 第30-32页 |
·MMD 算法 | 第32页 |
·实验结果 | 第32-35页 |
·实验1—两类分割 | 第32-33页 |
·实验2—三类分割 | 第33-35页 |
·本章小结 | 第35-36页 |
第四章 基于支持向量机的SAR 目标识别 | 第36-44页 |
·数据源 | 第36-38页 |
·主成分分析 | 第38-39页 |
·基于SVM 目标识别的实验与结果 | 第39-41页 |
·基于模板匹配的目标识别 | 第41页 |
·基于模板匹配目标识别的实验与结果 | 第41-43页 |
·本章小结 | 第43-44页 |
第五章 基于支持向量机的极化SAR 分类 | 第44-51页 |
·数据源 | 第45页 |
·特征提取 | 第45-48页 |
·实验 | 第48-50页 |
·本章小结 | 第50-51页 |
第六章 总结与展望 | 第51-53页 |
·总结 | 第51-52页 |
·主要研究内容 | 第51-52页 |
·本文主要工作 | 第52页 |
·展望 | 第52-53页 |
致谢 | 第53-54页 |
参考文献 | 第54-57页 |
攻读硕士期间发表文章 | 第57-58页 |
附录A:heart_scale 部分样本数据 | 第58-60页 |
附录B: LIBSVM 的简要使用说明 | 第60-61页 |