基于统计判决的分类器设计及在雷达目标识别中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-19页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 研究现状 | 第16-17页 |
| 1.3 论文内容安排 | 第17-19页 |
| 第二章 现有分类器介绍 | 第19-31页 |
| 2.1 概述 | 第19页 |
| 2.2 多类分类器介绍 | 第19-23页 |
| 2.2.1 贝叶斯分类器 | 第19-20页 |
| 2.2.2 互信息准则 | 第20-21页 |
| 2.2.3 IDA多类分类器 | 第21-22页 |
| 2.2.4 其它相关的多类分类器 | 第22-23页 |
| 2.3 一类分类器介绍 | 第23-27页 |
| 2.3.1 SVDD | 第24-25页 |
| 2.3.2 一类SVM | 第25-27页 |
| 2.4 分类器性能评价指标 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于线性统计模型和互信息准则的多类分类器 | 第31-47页 |
| 3.1 概述 | 第31页 |
| 3.2 基于线性统计模型和互信息准则的多类分类器 | 第31-35页 |
| 3.2.1 模型建立 | 第31-33页 |
| 3.2.2 模型求解 | 第33-34页 |
| 3.2.3 分类框架 | 第34-35页 |
| 3.3 实验结果及分析 | 第35-45页 |
| 3.3.1 人工合成数据 | 第35-37页 |
| 3.3.2 UCI公共数据 | 第37-43页 |
| 3.3.3 雷达数据 | 第43-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第四章 无限贝叶斯一类SVM分类器 | 第47-77页 |
| 4.1 概述 | 第47页 |
| 4.2 改进的一类SVM分类器 | 第47-48页 |
| 4.3 贝叶斯一类SVM分类器 | 第48-51页 |
| 4.4 DP及DP混合模型 | 第51-52页 |
| 4.5 无限贝叶斯一类SVM分类器 | 第52-56页 |
| 4.5.1 模型建立 | 第52-53页 |
| 4.5.2 模型求解 | 第53-55页 |
| 4.5.3 分类框架 | 第55-56页 |
| 4.6 实验结果及分析 | 第56-76页 |
| 4.6.1 人工合成数据 | 第57-60页 |
| 4.6.2 UCI公共数据 | 第60-65页 |
| 4.6.3 雷达数据 | 第65-76页 |
| 4.7 本章小结 | 第76-77页 |
| 第五章 工作总结与展望 | 第77-79页 |
| 5.1 工作总结 | 第77-78页 |
| 5.2 工作展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 作者简介 | 第85-86页 |
