| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题研究背景和意义 | 第7-8页 |
| ·课题国内外研究现状 | 第8-11页 |
| ·海杂波目标检测的研究现状 | 第8-9页 |
| ·海杂波分形特性的研究现状 | 第9-10页 |
| ·数据挖掘简要介绍 | 第10页 |
| ·支持向量机的研究现状 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| ·论文章节安排 | 第12-13页 |
| 第二章 分形特性及多重分形概述 | 第13-21页 |
| ·分形理论 | 第13-15页 |
| ·分形基本概念 | 第13页 |
| ·自相似性 | 第13-14页 |
| ·分形维数 | 第14-15页 |
| ·多重分形 | 第15-17页 |
| ·多重分形基本概念 | 第15页 |
| ·多重分形详解 | 第15-17页 |
| ·多重分形的基本性质 | 第17页 |
| ·多重分形谱及其参数 | 第17-20页 |
| ·多重分形奇异谱 | 第18页 |
| ·拓展分形维数 | 第18-19页 |
| ·多重分形奇异谱与拓展分形维数的联系 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 海杂波的模型描述及特征提取 | 第21-31页 |
| ·分析常见海杂波的统计特性 | 第22-25页 |
| ·常见海杂波典型统计模型 | 第22-23页 |
| ·分析典型统计模型检测效能 | 第23-25页 |
| ·海杂波的多重分形验证 | 第25-27页 |
| ·海杂波的非高斯性 | 第25-26页 |
| ·海杂波的长时相关性 | 第26页 |
| ·海杂波的多重分形判定 | 第26-27页 |
| ·海杂波特征提取（多重分形谱）实验 | 第27-30页 |
| ·MFDMA 算法步骤 | 第28页 |
| ·实验仿真 MFDMA 算法海杂波的特征提取 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于 MCS 的支持向量机分析及改进 | 第31-43页 |
| ·支持向量机 | 第31-34页 |
| ·SVM 基本算法思想 | 第31-32页 |
| ·优化 SVM 的主动学习 | 第32-34页 |
| ·优化杜鹃算法 | 第34-37页 |
| ·利维飞行 | 第34-35页 |
| ·杜鹃算法 | 第35-36页 |
| ·优化杜鹃算法 (MCS) | 第36-37页 |
| ·基于 MCS 的 SVM 参数同步优化 | 第37-38页 |
| ·算法 MCS-SVM 运行过程 | 第37页 |
| ·算法 MCS-SVM 提出的意义 | 第37-38页 |
| ·SVM 参数与估计及 MCS-SVM 验证实验与分析 | 第38-42页 |
| ·SVM 两参数区间预估计 | 第38-39页 |
| ·MCS 运用到 SVM 概率参数分析 | 第39-40页 |
| ·MCS-SVM 实际分类效果实验分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 海杂波目标检测仿真及实验结果 | 第43-51页 |
| ·数据概况及准备 | 第43-44页 |
| ·多重分形谱对目标检测的应用价值 | 第44-46页 |
| ·基于多重分形谱与 MCS-SVM 的检测方法 | 第46-48页 |
| ·分类器参数设定 | 第46页 |
| ·目标检测方案设定 | 第46-48页 |
| ·结果与分析 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 主要结论与展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第56页 |