| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第7-15页 |
| ·引言 | 第7页 |
| ·目标跟踪技术的研究意义和国内外现状分析 | 第7-10页 |
| ·目标跟踪的研究意义和研究现状 | 第7-8页 |
| ·目标跟踪的相关技术 | 第8-10页 |
| ·粒子滤波的发展及研究现状 | 第10-11页 |
| ·支持向量回归方法概述 | 第11-14页 |
| ·支持向量机SVM及其研究进展 | 第11-12页 |
| ·支持向量回归机SVR的鲁棒性及其研究进展 | 第12-13页 |
| ·用SVR抑制和识别输入噪声的研究概述 | 第13-14页 |
| ·本文主要工作 | 第14-15页 |
| 第2章 目标跟踪相关理论及分析 | 第15-36页 |
| ·贝叶斯估计 | 第15-17页 |
| ·非线性高斯模型 | 第17-18页 |
| ·贝叶斯滤波 | 第18-19页 |
| ·卡尔曼滤波 | 第19-21页 |
| ·线形卡尔曼滤波 | 第19-20页 |
| ·扩展卡尔曼滤波(EKF) | 第20-21页 |
| ·蒙特卡罗方法 | 第21-25页 |
| ·蒙特卡罗方法的发展历史 | 第21-22页 |
| ·蒙特卡罗方法的基本原理及思想 | 第22-23页 |
| ·蒙特卡罗解题三个主要步骤 | 第23-24页 |
| ·蒙特卡罗方法的特点 | 第24-25页 |
| ·贝叶斯重要性采样 | 第25-26页 |
| ·粒子滤波(Particle Filter PF)算法 | 第26-34页 |
| ·粒子滤波器基本原理 | 第26-27页 |
| ·序贯粒子滤波算法 | 第27-30页 |
| ·退化现象 | 第30-31页 |
| ·重要性函数的选取 | 第31-32页 |
| ·再采样原理 | 第32-33页 |
| ·粒子滤波算法的描述 | 第33-34页 |
| ·本章小节 | 第34-36页 |
| 第3章 支持向量回归机与噪声抑制 | 第36-45页 |
| ·统计学习理论与结构风险最小化 | 第36-37页 |
| ·支持向量机SVM相关理论分析 | 第37-39页 |
| ·ε-支持向量回归SVR算法 | 第39-42页 |
| ·ε-SVR的参数选择与高斯输入噪声间的关系 | 第42-43页 |
| ·实验结果 | 第43-44页 |
| ·本章小节 | 第44-45页 |
| 第4章 基于支持向量回归的非刚体目标跟踪 | 第45-51页 |
| ·总体思路 | 第45-46页 |
| ·粒子的状态模型 | 第46页 |
| ·粒子的初始化 | 第46页 |
| ·用SVR重估粒子权值 | 第46-47页 |
| ·基于SVR的粒子滤波跟踪算法 | 第47-48页 |
| ·实验结果 | 第48-51页 |
| 第5章 支持向量回归分布环境的非刚体目标跟踪 | 第51-56页 |
| ·总体思路 | 第51页 |
| ·.net romting分布算法 | 第51-53页 |
| ·二阶自回归粒子状态模型 | 第53页 |
| ·粒子的初始化 | 第53-54页 |
| ·基于分布计算的SVR粒子跟踪算法 | 第54-55页 |
| ·实验结果 | 第55-56页 |
| 第6章 总结 | 第56-58页 |
| ·工作总结 | 第56页 |
| ·目标跟踪的发展方向 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 研究生期间发表论文 | 第64页 |