声明
摘要
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 论文的主要工作及结构安排
第二章 基于机器学习的目标识别算法相关理论知识
2.1 特征的提取与描述
2.1.1 全局特征
2.1.2 局部特征
2.2 目标识别模型
2.2.1 特征袋(BOF)模型
2.2.2 空间金字塔模型
2.3 分类器设计
2.3.1 支持向量机
2.3.2 极限学习机
2.4 本章小结
第三章 基于旋转森林选择性集成ELM的目标识别算法
3.1 旋转森林算法
3.2 选择性集成学习模型
3.3 基于RFSEN-ELM的目标识别算法
3.3.1 基于旋转森林的集成ELM算法
3.3.2 基于遗传算法的选择性集成模型
3.3.3 基于RFSEN-ELH的目标识别算法
3.4 实验结果与分析
3.4.1 实验条件
3.4.2 实验参数设置
3.4.3 算法结果讨论
3.5 本章小结
第四章 基于加权投票集成ELM和紧凑型空间金字塔模型的目标识别算法
4.1 紧凑型空间金字塔模型
4.1.1 AIB聚类算法
4.1.2 基于AIB聚类算法的紧凑型空间金字塔模型
4.2 基于加权投票的集成ELM
4.2.1 矩阵条件数
4.2.2 基于矩阵条件数的加权投票机制
4.2.3 RFWV-ELM集成分类器
4.3 基于RFWV-ELM和CSPM模型的目标识别算法
4.4 实验结果与分析
4.4.1 实验条件
4.4.2 实验参数设置
4.4.3 算法结果讨论
4.5 本章小结
第五章 总结与展望
参考文献
致谢
攻读学位期间的研究成果