基于支持向量机的脉冲超宽带目标识别方法理论研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-22页 |
| ·引言 | 第10页 |
| ·超宽带技术 | 第10-16页 |
| ·超宽带的发展历史 | 第10-11页 |
| ·超宽带的定义和特点 | 第11-13页 |
| ·超宽带技术应用现状 | 第13-15页 |
| ·超宽带技术目标识别应用 | 第15-16页 |
| ·目标分类识别方法概述 | 第16-18页 |
| ·模式识别过程与方法 | 第16页 |
| ·模式识别应用现状 | 第16-17页 |
| ·支持向量机目标识别应用 | 第17-18页 |
| ·支持向量机与超宽带技术结合 | 第18-19页 |
| ·基于支持向量机的脉冲超宽带目标识别系统 | 第19-21页 |
| ·论文章节安排 | 第21-22页 |
| 第二章 基于支持向量机的目标识别原理 | 第22-31页 |
| ·统计学习理论 | 第22-24页 |
| ·VC维 | 第22页 |
| ·经验风险 | 第22-23页 |
| ·结构风险 | 第23-24页 |
| ·支持向量机理论 | 第24-29页 |
| ·线性可分 | 第25-27页 |
| ·线性不可分 | 第27-28页 |
| ·多分类支持向量机 | 第28-29页 |
| ·本章小结 | 第29-31页 |
| 第三章 理论模型研究及仿真 | 第31-42页 |
| ·脉冲超宽带传输环境仿真 | 第31-32页 |
| ·特征参量提取 | 第32-33页 |
| ·障碍物目标识别 | 第33-40页 |
| ·特征参量筛选 | 第33-36页 |
| ·不同核函数对识别效果的影响 | 第36-39页 |
| ·高斯核函数参数及松弛变量的选取 | 第39-40页 |
| ·不同噪声环境对分类效果的影响 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第四章 实际测量与验证 | 第42-50页 |
| ·实际测量条件描述 | 第42-43页 |
| ·特征参量提取 | 第43-44页 |
| ·障碍物目标识别 | 第44-49页 |
| ·特征参量筛选 | 第44-46页 |
| ·支持向量机参数寻优 | 第46-47页 |
| ·网格搜索与K重交叉验证 | 第47页 |
| ·参数寻优与识别结果 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 论文总结 | 第50-51页 |
| 参考文献 | 第51-58页 |
| 致谢 | 第58-59页 |
| 作者攻读硕士学位期间发表的学术论文目录 | 第59页 |
