基于最优投影支持张量机的多分类算法研究

摘要	第1-4页
ABSTRACT	第4-7页
第一章 绪论	第7-13页
·合成孔径雷达(SAR)的研究背景	第7-8页
·自动目标识别技术	第8-10页
·MSTAR数据介绍及本文的内容安排	第10-13页
·MSTAR数据介绍	第10-11页
·内容安排	第11-13页
第二章 SAR图像的预处理	第13-23页
·对数变换	第13-14页
·自适应阈值分割	第14-15页
·形态学滤波	第15-17页
·简单邻域平均法	第16页
·中值滤波	第16-17页
·几何聚类处理	第17页
·图像增强	第17-19页
·方位估计	第19-20页
·实验结果	第20-22页
·本章小结	第22-23页
第三章 基于张量的学习方法研究	第23-39页
·图像的张量表示	第23-24页
·张量的代数运算	第24-25页
·PCA和LDA方法介绍	第25-29页
·主成分分析(PCA)	第25-26页
·线性判别分析(LDA)	第26-29页
·张量子空间的研究	第29-35页
·张量PCA(TensorPCA)	第30-31页
·张量LDA(Tensor LDA)	第31-35页
·实验结果	第35-38页
·本章小结	第38-39页
第四章 基于支持张量机的多分类算法	第39-51页
·支持向量机(SVM)	第39-41页
·最优分类面	第39-41页
·广义最优分类面	第41页
·支持张量机(STM)迭代算法	第41-42页
·基于最优投影的多分类算法	第42-46页
·最优投影算法	第43页
·投影矢量的确定	第43-44页
·多分类策略	第44-46页
·实验结果	第46-49页
·本章小结	第49-51页
第五章 结束语	第51-53页
·全文总结	第51页
·未来工作展望	第51-53页
致谢	第53-55页
参考文献	第55-58页