声明
致谢
摘要
1 绪论
1.1 选题背景与意义
1.2 国内外研究方法
1.2.1 国外研究方法
1.2.2 国内研究方法
1.3 研究现状总结
1.4 本文主要工作及思路
2 基于多视角的多维特征体系建立
2.1 多维特征体系的选定
2.1.1 特征体系分类
2.1.2 多视点多维特征结构体系的建立
2.2 多维特征的定量化分析
2.2.1 基于自适应显著性水平集轮廓模型的图像分割方法
2.2.2 前视角特征组B1
2.2.3 侧视角特征组B2
2.2.4 尾视角特征组B3
2.3 多维特征形式的处理
2.3.1 特征参数一致化处理
2.3.2 特征的无量纲化处理
2.4 本章小结
3 基于改进的KICA特征参数优化方法
3.1 参数优化模型的选定
3.2 改进型KICA参数优化模型
3.2.1 模型基本原理
3.2.2 特征参数优化过程分析
3.3 多视角多维特征体系的优化流程
3.4 参数优化效果评价方法
3.5 本章小结
4 基于组合核函数的自适应支持向量机分类识别模型
4.1 模型确立的原则与选取
4.2 基于组合核函数的支持向量机模型
4.2.1 基于结点优化的DDAG-SVM多分类识别模型
4.2.2 识别模型中组合核函数的确定
4.2.3 识别模型中组合参数的提出
4.3 分类识别模型中的最优参数自适应确定
4.3.1 样本数据自动优化分选
4.3.2 模型最优参数自适应搜索
4.4 本章小结
5 实验及分析
5.1 基于自适应显著性水平集图像分割方法的实验分析
5.2 多维特征参数优化方法对比分析
5.2.1 基于改进型KICA的参数优化实验
5.2.2 不同参数优化模型对比实验
5.3 基于组合核函数的自适应支持向量机分类识别实验分析
5.3.1 不同车型识别分类结果
5.3.2 样本数据分选前后数量和运行时间对比
5.3.3 不同特征参数识别效果对比
5.3.4 不同核函数识别效果对比
5.3.5 不同形式支持向量机分类识别综合效果对比实验
5.4 分类识别模型综合对比实验
5.5 本章小结
6 结论
参考文献
作者简历
学位论文数据集
北京交通大学;