| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·机器学习 | 第8-9页 |
| ·核机器学习方法 | 第9-10页 |
| ·稀疏核方法 | 第10-11页 |
| ·SAR目标识别 | 第11-14页 |
| ·论文的主要工作 | 第14-16页 |
| 第二章 最小二乘支撑向量机和多尺度几何分析 | 第16-24页 |
| ·支撑向量机 | 第16-17页 |
| ·最小二乘支撑向量机 | 第17-19页 |
| ·LSSVM分类 | 第17-18页 |
| ·LSSVM回归估计 | 第18-19页 |
| ·多尺度几何分析 | 第19-20页 |
| ·第二代Curvelet变换 | 第20-24页 |
| ·连续Curvelet变换 | 第21-22页 |
| ·离散Curvelet变换 | 第22-24页 |
| 第三章 基于一种改进的快速稀疏LSSVM的目标识别 | 第24-36页 |
| ·引言 | 第24-25页 |
| ·一种新的稀疏最小二乘支撑向量机 | 第25-27页 |
| ·逆矩阵的迭代计算 | 第25-26页 |
| ·迭代增量过程 | 第26页 |
| ·逆学习过程 | 第26-27页 |
| ·改进的快速稀疏LSSVM算法流程 | 第27页 |
| ·实验及结果分析 | 第27-35页 |
| ·UCI数据集的分类 | 第27-32页 |
| ·SAR图像目标识别 | 第32-35页 |
| ·小结 | 第35-36页 |
| 第四章 二维Curvelet核LSSVM | 第36-46页 |
| ·引言 | 第36页 |
| ·支撑向量核条件 | 第36-37页 |
| ·二维Curvelet核的构造 | 第37-39页 |
| ·Curvelet | 第38页 |
| ·二维Curvelet核 | 第38-39页 |
| ·基于粒子群算法的Curvelet核方向参数优化 | 第39-40页 |
| ·仿真实验及结果分析 | 第40-45页 |
| ·分类实验 | 第40-41页 |
| ·函数逼近 | 第41-45页 |
| ·小结 | 第45-46页 |
| 第五章 基于Curvelet+KFD特征提取的SAR目标识别 | 第46-54页 |
| ·引言 | 第46页 |
| ·Fisher线性判别分析和核Fisher线性判别分析 | 第46-49页 |
| ·Fisher线性判别分析 | 第46-48页 |
| ·核Fisher线性判别分析 | 第48-49页 |
| ·基于Curvelet与KFD的SAR目标识别特征提取 | 第49-51页 |
| ·基于Curvelet变换的SAR图像特征提取 | 第50页 |
| ·基于KFD的SAR图像特征降维 | 第50-51页 |
| ·LSSVM训练和识别 | 第51页 |
| ·实验及结果分析 | 第51-52页 |
| ·小结 | 第52-54页 |
| 第六章 总结和展望 | 第54-56页 |
| ·本论文的工作总结 | 第54页 |
| ·工作展望 | 第54-56页 |
| 致谢 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 科研成果 | 第64-65页 |
