摘要 | 第1-13页 |
ABSTRACT | 第13-15页 |
第一章 绪论 | 第15-29页 |
·课题研究的背景及意义 | 第15-16页 |
·国内外研究现状 | 第16-26页 |
·雷达目标极化特征提取与识别 | 第16-21页 |
·雷达目标识别中SVM 模型优化选择 | 第21-24页 |
·目标识别中核分类器的核函数构造与分类器设计 | 第24-26页 |
·本文主要工作与内容安排 | 第26-29页 |
第二章 宽带雷达目标HRRP 极化特征提取与优选 | 第29-66页 |
·引言 | 第29-30页 |
·目标全极化HRRP 的H /α/ A / P 特征 | 第30-32页 |
·相干矩阵分解基本理论 | 第30-31页 |
·全极化HRRP 的H /α/ A / P 特征 | 第31-32页 |
·目标全极化HRRP 散射矩阵结构相似性参数概率形式特征 | 第32-35页 |
·散射矩阵结构相似性参数的基本定义 | 第32-34页 |
·全极化HRRP 的结构相似性参数概率形式描述 | 第34-35页 |
·目标全极化HRRP 能量特征 | 第35-38页 |
·目标全极化HRRP 的Mueller 矩阵 | 第35-36页 |
·Mueller 矩阵的相似性参数 | 第36-38页 |
·双极化HRRP 极化特征 | 第38-45页 |
·双极化HRRP 的H /α/ P 特征 | 第38-39页 |
·双极化HRRP 的结构相似性参数概率形式特征 | 第39-41页 |
·双极化HRRP 能量特征 | 第41-45页 |
·飞机目标实测数据实验与分析 | 第45-58页 |
·飞机目标HRRP 极化特征的有效性 | 第45-55页 |
·飞机目标HRRP 极化特征优选与识别性能 | 第55-58页 |
·舰船目标电磁特性计算软件数据实验与分析 | 第58-64页 |
·舰船目标HRRP 极化特征的有效性 | 第59-63页 |
·舰船目标HRRP 极化特征优选与识别性能 | 第63-64页 |
·讨论 | 第64-65页 |
·本章小结 | 第65-66页 |
第三章 SVM 可分性研究与识别模型多参数优化选择 | 第66-103页 |
·引言 | 第66-67页 |
·SVM 理论简述 | 第67-72页 |
·最优分类超平面 | 第67-68页 |
·构造最优超平面 | 第68-69页 |
·广义最优分类面 | 第69-70页 |
·支持矢量机 | 第70-72页 |
·SVM 可分性研究 | 第72-85页 |
·问题的提出 | 第72-73页 |
·线性可分的定义 | 第73页 |
·SVM 线性可分充要条件的证明 | 第73-78页 |
·SVM 线性可分性的度量 | 第78-82页 |
·c 对分类性能的影响 | 第82-85页 |
·SVM 模型多参数优化选择方法 | 第85-101页 |
·问题的提出 | 第85-87页 |
·SVM 模型单参数最优选择问题 | 第87-91页 |
·非均衡数据目标识别SVM 模型参数优化选择方法 | 第91-95页 |
·实验与分析 | 第95-101页 |
·本章小结 | 第101-103页 |
第四章 宽带雷达目标识别核方法分类器设计与核矩阵构造 | 第103-135页 |
·引言 | 第103-104页 |
·基于SVDD 的多目标模糊识别方法 | 第104-115页 |
·SVDD 方法 | 第104-106页 |
·基于SVDD 的多目标识别方法及存在的问题 | 第106-109页 |
·基于SVDD 的多目标模糊识别方法 | 第109-110页 |
·实验与分析 | 第110-115页 |
·FSVM 多目标识别方法 | 第115-122页 |
·SVM 多类识别时的错分与拒分问题 | 第115-116页 |
·FSVM 多目标识别方法 | 第116-118页 |
·实验与分析 | 第118-122页 |
·特征空间数据核矩阵收缩方法 | 第122-134页 |
·非线性可分与不可分问题 | 第123-124页 |
·特征空间数据核矩阵收缩方法 | 第124-129页 |
·实验与分析 | 第129-134页 |
·本章小结 | 第134-135页 |
第五章 结束语 | 第135-138页 |
·论文主要创新点 | 第135-136页 |
·后续研究展望 | 第136-138页 |
致谢 | 第138-139页 |
参考文献 | 第139-152页 |
作者在学期间取得的学术成果 | 第152-153页 |
参与的科研项目及获奖情况 | 第153页 |