| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 选题的目的和意义 | 第8-9页 |
| 1.2 选题的国内外研究现状及存在的问题 | 第9-12页 |
| 1.3 课题主要研究内容、研究成果及创新点 | 第12-17页 |
| 1.3.1 主要研究内容 | 第12-15页 |
| 1.3.2 主要研究成果及创新点 | 第15-17页 |
| 1.4 论文的主要工作 | 第17-18页 |
| 第二章 基于选择双谱法的目标特征提取算法 | 第18-26页 |
| 2.1 高阶谱分析 | 第19-22页 |
| 2.2 选择双谱法 | 第22-23页 |
| 2.3 基于选择双谱法的特征提取算法 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第三章 分类算法 | 第26-44页 |
| 3.1 径向基神经网络 | 第26-29页 |
| 3.1.1 径向基神经网络的结构 | 第26-27页 |
| 3.1.2 径向基神经网络的学习方法 | 第27-28页 |
| 3.1.3 基于选择双谱法和径向基神经网络的目标识别算法 | 第28-29页 |
| 3.2 支持向量机 | 第29-38页 |
| 3.2.1 支持向量机的分类原理 | 第30-33页 |
| 3.2.2 多分类支持向量基原理 | 第33-34页 |
| 3.2.3 支持向量基的参数优化 | 第34-37页 |
| 3.2.4 基于选择双谱法和CPSO-SVM的目标识别算法 | 第37-38页 |
| 3.3 极限学习机 | 第38-43页 |
| 3.3.1 极限学习机的基本思想 | 第39-41页 |
| 3.3.2 极限学习机的学习算法 | 第41-42页 |
| 3.3.3 基于选择双谱法和极限学习机的目标识别算法 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 实测数据与算法性能比较分析 | 第44-54页 |
| 4.1 实验场景 | 第44-46页 |
| 4.2 测量数据的预处理 | 第46页 |
| 4.3 参数设置 | 第46-48页 |
| 4.4 实验结果与分析 | 第48-51页 |
| 4.5 本章小结 | 第51-54页 |
| 第五章 目标识别系统实验平台 | 第54-76页 |
| 5.1 硬件平台 | 第54-58页 |
| 5.2 软件系统 | 第58-65页 |
| 5.2.1 Matlab GUI介绍 | 第58-60页 |
| 5.2.2 界面设计 | 第60-65页 |
| 5.3 目标识别系统实验平台 | 第65-72页 |
| 5.4 系统演示 | 第72-74页 |
| 5.5 本章小结 | 第74-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76页 |
| 6.2 展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-84页 |
| 作者攻读学位期间发表的学术论文目录 | 第84页 |
