| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 引言 | 第13-14页 |
| 1.2 研究背景与意义 | 第14-15页 |
| 1.3 研究现状 | 第15-17页 |
| 1.4 本文结构与安排 | 第17-21页 |
| 第二章 高分辨率SAR图像的预处理 | 第21-27页 |
| 2.1 引言 | 第21页 |
| 2.2 最大类间方差法 | 第21-23页 |
| 2.3 高分辨率SAR图像的预处理结果 | 第23-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 SAR图像舰船目标的特征提取和特征选择 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 SAR图像舰船目标的特征提取 | 第27-33页 |
| 3.3 SAR图像舰船目标的特征选择 | 第33-40页 |
| 3.3.1 Filter评价策略 | 第33-35页 |
| 3.3.2 Wrapper评价策略 | 第35-36页 |
| 3.3.3 SAR图像舰船目标的特征选择实验结果 | 第36-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 舰船分类识别的分类器设计 | 第41-55页 |
| 4.1 引言 | 第41页 |
| 4.2 极限学习机 | 第41-44页 |
| 4.2.1 极限学习机 | 第41-43页 |
| 4.2.2 核极限学习机 | 第43-44页 |
| 4.3 蜻蜓算法 | 第44-47页 |
| 4.4 分类器模型评价指标 | 第47-49页 |
| 4.5 实验结果及分析 | 第49-53页 |
| 4.6 本章小结 | 第53-55页 |
| 第五章 基于BDA-KELM模型的舰船目标分类识别 | 第55-65页 |
| 5.1 引言 | 第55页 |
| 5.2 BDA-KELM分类器模型 | 第55-57页 |
| 5.3 实验结果及分析 | 第57-62页 |
| 5.4 本章小结 | 第62-65页 |
| 第六章 总结与展望 | 第65-69页 |
| 6.1 全文总结 | 第65-66页 |
| 6.2 本文研究展望 | 第66-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间主要的研究成果 | 第76页 |