| 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14-24页 |
| 1.1 特征变换的研究意义和研究现状 | 第14-15页 |
| 1.2 特征变换在SAR目标鉴别问题上的研究意义和研究现状 | 第15-16页 |
| 1.3 实验数据介绍及论文内容安排 | 第16-21页 |
| 1.3.1 UCI公共数据 | 第16-17页 |
| 1.3.2 miniSAR图像数据集 | 第17-19页 |
| 1.3.3 MSTAR图像数据集 | 第19-21页 |
| 1.3.4 常用的23个SAR目标鉴别特征 | 第21页 |
| 1.4 内容安排 | 第21-24页 |
| 第二章 一种结合序列假设检验的降维判决方法 | 第24-46页 |
| 2.1 引言 | 第24页 |
| 2.2 Fisher线性判别分析 | 第24-30页 |
| 2.2.1 两类的Fisher线性判别 | 第24-26页 |
| 2.2.2 多类的Fisher线性判别 | 第26-28页 |
| 2.2.3 Fisher线性判决存在的问题 | 第28-30页 |
| 2.3 序列假设检验判决 | 第30-33页 |
| 2.3.1 序列假设检验判决 | 第30-31页 |
| 2.3.2 降维判决问题中的序列假设检验判决 | 第31-33页 |
| 2.4 一种结合序列假设检验的降维判决方法 | 第33-36页 |
| 2.4.1 SHT-LDA方法的设计思路 | 第33-35页 |
| 2.4.2 SHT-LDA方法的实现步骤 | 第35-36页 |
| 2.5 实验结果 | 第36-43页 |
| 2.5.1 对比方法及性能评价准则 | 第36-37页 |
| 2.5.2 UCI公共数据的实验结果 | 第37-40页 |
| 2.5.3 SAR目标鉴别结果 | 第40-43页 |
| 2.6 本章小结 | 第43-46页 |
| 第三章 一种结合稀疏特征选择的降维判决方法 | 第46-64页 |
| 3.1 引言 | 第46页 |
| 3.2 FLDA的回归模型 | 第46-49页 |
| 3.2.1 FLDA的回归模型 | 第46-47页 |
| 3.2.2 FLDA和OS的等价性 | 第47-49页 |
| 3.3 一种结合稀疏特征选择的降维判决方法 | 第49-54页 |
| 3.3.1 模型构建和设计思路 | 第50-52页 |
| 3.3.2 FS-LDA方法求解流程 | 第52-53页 |
| 3.3.3 参数选择 | 第53-54页 |
| 3.4 实验结果 | 第54-62页 |
| 3.4.1 对比方法及性能评价准则 | 第54-55页 |
| 3.4.2 UCI公共数据的实验结果 | 第55-58页 |
| 3.4.3 SAR目标鉴别结果 | 第58-62页 |
| 3.5 本章小结 | 第62-64页 |
| 第四章 结束语 | 第64-66页 |
| 4.1 研究结论 | 第64页 |
| 4.2 研究展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |