基于多传感器协同的目标识别系统的设计与实现
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究的背景和意义 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 特征级融合的研究现状 | 第13-14页 |
| 1.2.2 目标识别技术的研究现状 | 第14-16页 |
| 1.3 论文主要研究内容及结构安排 | 第16-18页 |
| 第2章 目标特征提取 | 第18-28页 |
| 2.1 灰度共生矩阵特征提取方法 | 第18-20页 |
| 2.2 HU不变矩特征提取方法 | 第20-21页 |
| 2.3 仿射不变矩特征提取方法 | 第21-23页 |
| 2.4 小波矩特征提取方法 | 第23-24页 |
| 2.5 实验结果及分析 | 第24-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于主成分分析的特征融合方法 | 第28-38页 |
| 3.1 主成分分析的定义 | 第28-29页 |
| 3.2 主成分分析的基本原理 | 第29-31页 |
| 3.2.1 主成分分析的数学模型 | 第29-30页 |
| 3.2.2 主成分分析的基本性质 | 第30-31页 |
| 3.3 主成分的推导 | 第31-33页 |
| 3.4 主成分分析的计算步骤 | 第33-34页 |
| 3.5 一种改进的特征融合方法 | 第34-37页 |
| 3.5.1 KCCA融合算法 | 第34-36页 |
| 3.5.2 算法的关键技术 | 第36页 |
| 3.5.3 特征融合流程 | 第36-37页 |
| 3.6 实验结果与分析 | 第37-38页 |
| 3.7 本章小结 | 第38页 |
| 第4章 基于改进型模糊支持向量机的识别方法 | 第38-54页 |
| 4.1 模糊数学理论 | 第38-40页 |
| 4.1.1 模糊数学的发展历程 | 第38-39页 |
| 4.1.2 模糊集 | 第39-40页 |
| 4.2 支持向量机 | 第40-45页 |
| 4.3 模糊支持向量机 | 第45-48页 |
| 4.3.1 模糊支持向量机理论 | 第45-46页 |
| 4.3.2 常用的隶属度函数 | 第46-48页 |
| 4.4 一种改进的模糊支持向量机 | 第48-51页 |
| 4.4.1 K近邻算法 | 第48-50页 |
| 4.4.2 基于FKNN的模糊支持向量机 | 第50-51页 |
| 4.5 实验结果与分析 | 第51-52页 |
| 4.6 本章小结 | 第52-54页 |
| 第5章 多传感器协同的目标识别系统的设计与实现 | 第54-79页 |
| 5.1 系统需求分析 | 第54-57页 |
| 5.1.1 可行性分析 | 第54页 |
| 5.1.2 需求分析 | 第54-55页 |
| 5.1.3 系统开发环境 | 第55页 |
| 5.1.4 相关技术介绍 | 第55-57页 |
| 5.2 系统的结构设计 | 第57-59页 |
| 5.2.1 系统的设计原则 | 第57页 |
| 5.2.2 系统的结构功能 | 第57-59页 |
| 5.3 系统的详细设计与实现 | 第59-78页 |
| 5.3.1 系统的登录界面 | 第59-61页 |
| 5.3.2 数据采集模块 | 第61-63页 |
| 5.3.3 特征提取模块 | 第63-65页 |
| 5.3.4 多传感器协同模块 | 第65-70页 |
| 5.3.5 数据库管理模块 | 第70-74页 |
| 5.3.6 识别模型训练模块 | 第74页 |
| 5.3.7 目标识别模块 | 第74-75页 |
| 5.3.8 目标定位模块 | 第75-78页 |
| 5.4 本章小结 | 第78-79页 |
| 结论 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第84-85页 |
| 致谢 | 第85-86页 |
