基于支持向量機(jī)的地面目標(biāo)自動(dòng)識(shí)別技術(shù)

第1章 緒論
1．1 研究背景和意義
1．2 多傳感器信息融合
1．2．1 定義與一般模型
1．2．2 信息融合的主要技術(shù)和方法
1．3 基于多傳感器信息融合的目標(biāo)識(shí)別
1．3．1 融合識(shí)別的三個(gè)層次
1．3．2 融合識(shí)別研究現(xiàn)狀
1．4 支持向量機(jī)的發(fā)展和研究現(xiàn)狀
第2章 統(tǒng)計(jì)學(xué)習(xí)與支持向量機(jī)
2．1 統(tǒng)計(jì)學(xué)習(xí)理論
2．1．1 機(jī)器學(xué)習(xí)中的期望風(fēng)險(xiǎn)與經(jīng)驗(yàn)風(fēng)險(xiǎn)
2．1．2 VC維理論
2．1．3 結(jié)構(gòu)風(fēng)險(xiǎn)小原則
2．2 支持向量機(jī)
2．2．1 線性可分分類(lèi)
2．2．2 線性不可分分類(lèi)
2．2．3 SVM的一般形式
2．2．4 常用的核函數(shù)
2．2．5 應(yīng)用SVM的一般步驟
2．2．6 SVM多類(lèi)分類(lèi)
第3章 基于支持向量機(jī)的目標(biāo)特征庫(kù)的建立
3．1 UCI開(kāi)放實(shí)測(cè)特征庫(kù)介紹
3．2 圖像的特征提取
3．2．1 圖像不變矩
3．2．2 主成分分析
3．3 低分辨率圖像特征庫(kù)的組建及SVM識(shí)別性能比較
3．3．1 低分辨率圖像特征庫(kù)的組建
3．3．2 基于三種特征庫(kù)的SVM識(shí)別性能比較
3．4 高分辨率圖像特征庫(kù)的組建及SVM識(shí)別性能比較
3．4．1 高分辨率圖像特征庫(kù)的組建
3．4．2 基于兩種特征庫(kù)的SVM識(shí)別性能比較
3．5 兩類(lèi)裝甲車(chē)輛特征庫(kù)的建立
3．5．1 圖像獲取
3．5．2 基于MeanShift的圖像平滑與分割
3．5．3 裝甲車(chē)輛紅外特征庫(kù)與可見(jiàn)光特征庫(kù)的建立
3．5．4 特征融合及融合特征庫(kù)的建立
3．5．5 基于各特征庫(kù)的SVM識(shí)別效率比較
……
第4章 支持向量機(jī)模型選擇
第5章 支持向量機(jī)特征選擇
第6章 基于增后特征庫(kù)的支持向量機(jī)
第7章 支持向量機(jī)目標(biāo)識(shí)別的軟件實(shí)現(xiàn)
第8章 總結(jié)與展望
參考文獻(xiàn)