文摘
英文文摘
西北工业大学业学位论文知识产权声明书及西北工业大学学位论文原创性声明
第一章绪论
1.1课题意义
1.2国内外对目标识别方法的研究
1.3课题的主要研究工作
1.4论文结构安排
第二章二维图像飞机目标识别基本方法
2.1概述
2.2二维图像目标的识别方法
2.2.1图像目标的匹配方法
2.2.2图像目标识别的系统结构
2.3二维图像飞机目标识别系统结构
2.3.1飞机目标的成像模型及样本库的建立
2.3.2飞机图像在线识别结构与过程
第三章飞机不变矩稳定性分析及建立多级特征模型
3.1概述
3.2特征提取
3.2.1 Hu不变矩
3.2.2复数矩
3.3飞机不变矩稳定性分析及多级特征模型
3.3.1高斯点扩展函数作用下的目标不变矩
3.3.2目标不变矩稳定性分析实验
3.3.3不变矩数量级标准化
3.3.4目标识别的多级特征模型
3.3.5验证多级特征模型有效性实验
第四章粗糙集
4.1概述
4.2粗糙集的基本概念
4.2.1知识与不可分辨关系
4.2.2粗糙集的下逼近、上逼近、边界区和粗糙隶属函数
4.3信息系统及简化
4.3.1信息系统的表示
4.3.2属性的简化和核
4.3.3属性值的简化和值核
4.3.4算法及举例
第五章支持向量机
5.1概述
5.2机器学习的模型
5.2.1主要的学习问题
5.2.2经验风险最小化原则
5.2.3学习的复杂性和推广能力
5.3统计学习理论
5.3.1学习过程一致性的条件
5.3.2函数集的学习能力和VC维
5.3.3学习机器推广性的界
5.3.4结构风险最小化原则
5.4支持向量机方法
5.4.1最优分类超平面
5.4.2广义的最优分类超平面
5.4.3支持向量机
5.4.4支持向量机的训练算法
5.5支持向量机的特点
第六章基于粗糙集及SVM的飞机分类算法
6.1概述
6.2支持向量机多类分类算法
6.2.1“一对多”方法(One-Against-the-rest Method)
6.2.2“一对一”方法(One-against-one Method)
6.2.3基于决策有向无环图SVM-DAGSVM
6.3粗糙集与支持向量机的结合
6.3.1分类器结构
6.3.2输入空间的维数对SVM分类器性能的影响
6.3.3粗糙集与支持向量机的结合
6.3.4新属性集的产生方法
6.4仿真实验
6.4.1实验图像库建立
6.4.2利用粗糙集建立新属性集
6.4.3实验结果
6.4.4实验分析
第七章总结与展望
参考文献
攻读硕士学位期间的科研学术情况
致谢