PCA和KPCA自融合的MSTAR SAR自动目标识别算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·SAR图像目标识别的研究背景及意义 | 第8-9页 |
| ·SAR图像目标识别的研究现状 | 第9-11页 |
| ·SAR图像目标识别研究内容 | 第11-14页 |
| ·SAR图像目标识别过程 | 第11-12页 |
| ·SAR图像目标识别相关技术 | 第12-14页 |
| ·文章结构 | 第14-15页 |
| 2 特征提取与选择 | 第15-35页 |
| ·特征提取算法 | 第15-28页 |
| ·线性可分问题与线性不可分问题 | 第16-17页 |
| ·类别可分离性判定 | 第17-22页 |
| ·线性可分问题特征提取算法 | 第22-23页 |
| ·线性不可分问题特征提取算法 | 第23-28页 |
| ·特征选择算法 | 第28-34页 |
| ·分支定界算法 | 第28-30页 |
| ·几种次优搜索算法 | 第30-32页 |
| ·遗传算法 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 3 PCA和KPCA自融合特征提取算法 | 第35-48页 |
| ·PCA特征提取算法及其推导 | 第35-38页 |
| ·PCA特征提取算法推导 | 第35-37页 |
| ·PCA特征提取算法实现 | 第37-38页 |
| ·KPCA特征提取算法及其推导 | 第38-41页 |
| ·KPCA特征提取算法推导 | 第39-40页 |
| ·KPCA特征提取算法实现 | 第40-41页 |
| ·自融合特征提取算法及其推导 | 第41-47页 |
| ·自融合特征提取算法思想 | 第41-42页 |
| ·自融合特征提取算法推导 | 第42-46页 |
| ·自融合特征提取算法实现 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 4 MSTAR SAR目标分类 | 第48-54页 |
| ·MSTAR SAR介绍 | 第48-49页 |
| ·分类器 | 第49-51页 |
| ·最近邻分类器 | 第49-50页 |
| ·线性回归分类器 | 第50-51页 |
| ·仿真结果与分析 | 第51-53页 |
| ·分类器选择对结果的影响 | 第51-52页 |
| ·核函数及其参数选择对结果的影响 | 第52页 |
| ·最大间隔准则权值选择对结果的影响 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
