点击选择搜索分类
首页 - 健康美食- 正文
☆☆☆☆☆
||
肖怀铁,冯国瑜,郭雷 等 著
出版社: 国防工业出版社 ISBN:9787118105209 版次:1 商品编码:11803815 包装:平装 开本:16开 出版时间:2015-09-01 用纸:胶版纸 页数:262 字数:322000 正文语种:中文
第3章介绍了基于核判别分析方法的雷达高分辨距离像识别。第4章介绍了基于核聚类的雷达高分辨距离像识别。第5章介绍了SVM多目标分类识别问题。第6章介绍了基于单空间SVDD的雷达高分辨距离像识别。
第7章介绍了基于自适应SVDD的雷达高分辨距离像识别。第8章介绍了基于双空间SVDD的雷达高分辨距离像识别。第9章介绍了基于ISVDD的雷达高分辨距离像在线识别。第10章介绍了特征空间数据核矩阵收缩方法。
《基于核方法的雷达高分辨距离像目标识别理论与方法》主要读者对象为信号与信息处理、人工智能与模式识别及相关专业的高年级大学生、研究生和教师、科研人员和工程技术人员。
1.1 引言
1.2 核方法的基本概念
1.3 支持向量机(SVM)
1.3.1 最优分类超平面
1.3.2 构造最优超平面
1.3.3 广义最优分类面
1.3.4 高维空间中的最优分类面
1.3.5 构造SVM
1.4 支持向量数据描述(SVDD)
参考文献
第2章 SVM可分性与模型多参数优化选择
2.1 引言
2.2 SVM可分性研究
2.2.1 线性可分的定义
2.2.2 SVM线性可分充要条件
2.2.3 SVM线性可分性的度量
2.2.4 惩罚因子C对分类性能的影响
2.3 SVM模型多参数优化选择
2.3.1 SVM模型单参数最优选择问题
2.3.2 非均衡数据目标识别SVM模型参数优化选择方法
2.3.3 实验结果与分析
参考文献
第3章 基于核判别分析的雷达高分辨距离像识别
3.1 引言
3.2 基于KPCA的特征提取和识别
3.2.1 主分量分析方法(PCA)
3.2.2 核主分量分析方法(KPCA)
3.2.3 KPCA与PCA的比较
3.2.4 算法实现
3.2.5 实验结果与分析
3.3 基于KDDA的特征提取和识别
3.3.1 线性判别分析(LDA)方法
3.3.2 直接判别分析(D-LDA)方法
3.3.3 核直接判别分析(KDDA)方法
3.3.4 基于KDDA的特征提取和识别算法
3.3.5 实验结果与分析
3.4 基于核局部均值判别分析的特征提取和识别
3.4.1 核Fisher判别分析(KFDA)
3.4.2 局部均值判别分析(LMDA)
3.4.3 核局部均值判别分析(KLMDA)
3.4.4 KLMDA与KFDA、KDDA、CKFD的性能分析
3.4.5 实验结果与分析
参考文献
第4章 基于核聚类的雷达高分辨距离像识别
4.1 引言
4.2 基于核C均值聚类的HRRP识别
4.2.1 C均值聚类算法
4.2.2 核C均值聚类算法
4.2.3 核C均值聚类算法的核参数优化选取
4.2.4 基于核C均值聚类的高分辨距离像识别方法
4.2.5 实验结果与分析
4.3 基于模糊核C均值聚类的HRRP识别
4.3.1 模糊C均值聚类算法
4.3.2 模糊核C均值聚类算法
4.3.3 自适应模糊核C均值聚类算法
4.3.4 基于模糊核C均值聚类的高分辨距离像识别方法
4.3.5 实验结果与分析
参考文献
第5章 基于SVM的多目标分类识别
5.1 引言
5.2 基于K最近邻的SVM快速训练算法
5.2.1 KNN-SVM算法的基本思路
5.2.2 KNN-SVM算法的基本步骤
5.2.3 实验结果与分析
5.3 基于K最近邻的快速SVM增量学习算法
5.3.1 KNN-ISVM算法的基本思路
5.3.2 边界向量提取方法
5.3.3 KNN-ISVM算法的主要步骤
5.3.4 实验结果与分析
5.4 基于核分级聚类的SVM多类分类算法
5.4.1 分级聚类算法的改进
5.4.2 核分级聚类算法
5.4.3 基于核分级聚类的SVM多类分类算法
5.4.4 实验结果与分析
参考文献
第6章 基于单空间SVDD的雷达高分辨距离像识别
6.1 引言
6.2 SVDD超球空间分布特性和拒判域
6.2.1 HRRP在SVDD超球空间的分布特性
6.2.2 SVDD多目标识别中的拒判问题
6.3 SVDD序贯最小相对距离多类目标识别
6.3.1 SVDD多目标识别的拒判域处理
6.3.2 SVDD多目标识别训练算法
6.3.3 最小相对距离SVDD多目标识别算法
6.3.4 序贯最小相对距离SVDD多类目标识别算法
6.3.5 实验结果与分析
6.4 基于SVDD的雷达多目标模糊识别方法
6.4.1 基于SVDD的雷达多目标模糊识别方法
6.4.2 实验结果与分析
参考文献
第7章 基于自适应SVDD的雷达高分辨距离像识别
7.1 引言
7.2 SVDD模型参数的影响
7.2.1 核参数的影响
7.2.2 惩罚因子C的影响
7.3 基于自适应SVDD的雷达高分辨距离像识别
7.3.1 二次训练
7.3.2 最优超球半径选择
7.3.3 基于常规SVDD的HRRP目标识别流程
7.3.4 噪声分析
7.3.5 自适应超球半径模型
7.3.6 基于自适应SVDD的HRRP目标识别流程
7.4 实验结果与分析
7.4.1 高斯白噪声情况
7.4.2 海杂波
参考文献
第8章 基于双空间SVDD的雷达高分辨距离像识别
8.1 引言
8.2 超球空间HRRP的归属特性分析
8.3 延拓空间的样本分布建模
8.3.1 延拓样本分布的隶属度模型
8.3.2 延拓样本分布的云模型
8.3.3 延拓样本分布的高斯混合模型
8.3.4 参数估计
8.4 基于双空间SVDD的高分辨距离像识别方法
8.5 实验结果与分析
8.5.1 模型参数选择
8.5.2 识别实验结果
8.5.3 实验结果分析
参考文献
第9章 基于ISVDD的雷达高分辨距离像在线识别
9.1 引言
9.2 支持向量数据描述的增量泛化性能分析
9.2.1 SVDD的KKT条件
9.2.2 SVDD的训练样本分布特性
9.2.3 增量样本的超球空间分布特性
9.2.4 实验结果与分析
9.3 一种适于在线学习的增量支持向量数据描述算法
9.3.1 增量支持向量数据描述
9.3.2 ISVDD性能分析
9.3.3 实验结果与分析
9.4 基于ISVDD的雷达高分辨距离像在线识别方法
9.4.1 分方位帧建模
9.4.2 全方位HRRP的等间隔分帧
9.4.3 基于ISVDD的HRRP在线识别方法
9.4.4 实验结果与分析
参考文献
第10章 特征空间数据核矩阵收缩方法
10.1 引言
10.2 非线性可分与不可分问题
10.3 特征空间数据核矩阵收缩方法
10.3.1 数据在特征空间的收缩因子
10.3.2 数据在特征空间收缩后的核矩阵
10.3.3 数据在特征空间收缩方法
10.4 实验结果与分析
10.4.1 二维数据收缩实验
10.4.2 特征空间数据核矩阵收缩实验
附录A 式(3.70)的推导
附录B 式(3.75)的推导
附录C 式(3.90)的推导
附录D 式(3.94)的推导
参考文献
基于核方法的雷达高分辨距离像目标识别理论与方法 电子书 下载 mobi epub pdf txt
基于核方法的雷达高分辨距离像目标识别理论与方法-so88
基于核方法的雷达高分辨距离像目标识别理论与方法 pdf epub mobi txt 电子书 下载 2022
图书介绍
☆☆☆☆☆
||
肖怀铁,冯国瑜,郭雷 等 著
出版社: 国防工业出版社 ISBN:9787118105209 版次:1 商品编码:11803815 包装:平装 开本:16开 出版时间:2015-09-01 用纸:胶版纸 页数:262 字数:322000 正文语种:中文
内容简介
《基于核方法的雷达高分辨距离像目标识别理论与方法》是多年来基于核方法的雷达高分辨距离像目标识别的研究成果的总结。全书共分10章。第1章简要概述了核方法的基本理论。第2章介绍了SVM的可分性问题以及非均衡数据目标识别SVM模型多参数优化选择。第3章介绍了基于核判别分析方法的雷达高分辨距离像识别。第4章介绍了基于核聚类的雷达高分辨距离像识别。第5章介绍了SVM多目标分类识别问题。第6章介绍了基于单空间SVDD的雷达高分辨距离像识别。
第7章介绍了基于自适应SVDD的雷达高分辨距离像识别。第8章介绍了基于双空间SVDD的雷达高分辨距离像识别。第9章介绍了基于ISVDD的雷达高分辨距离像在线识别。第10章介绍了特征空间数据核矩阵收缩方法。
《基于核方法的雷达高分辨距离像目标识别理论与方法》主要读者对象为信号与信息处理、人工智能与模式识别及相关专业的高年级大学生、研究生和教师、科研人员和工程技术人员。
目录
第1章 核方法基本理论1.1 引言
1.2 核方法的基本概念
1.3 支持向量机(SVM)
1.3.1 最优分类超平面
1.3.2 构造最优超平面
1.3.3 广义最优分类面
1.3.4 高维空间中的最优分类面
1.3.5 构造SVM
1.4 支持向量数据描述(SVDD)
参考文献
第2章 SVM可分性与模型多参数优化选择
2.1 引言
2.2 SVM可分性研究
2.2.1 线性可分的定义
2.2.2 SVM线性可分充要条件
2.2.3 SVM线性可分性的度量
2.2.4 惩罚因子C对分类性能的影响
2.3 SVM模型多参数优化选择
2.3.1 SVM模型单参数最优选择问题
2.3.2 非均衡数据目标识别SVM模型参数优化选择方法
2.3.3 实验结果与分析
参考文献
第3章 基于核判别分析的雷达高分辨距离像识别
3.1 引言
3.2 基于KPCA的特征提取和识别
3.2.1 主分量分析方法(PCA)
3.2.2 核主分量分析方法(KPCA)
3.2.3 KPCA与PCA的比较
3.2.4 算法实现
3.2.5 实验结果与分析
3.3 基于KDDA的特征提取和识别
3.3.1 线性判别分析(LDA)方法
3.3.2 直接判别分析(D-LDA)方法
3.3.3 核直接判别分析(KDDA)方法
3.3.4 基于KDDA的特征提取和识别算法
3.3.5 实验结果与分析
3.4 基于核局部均值判别分析的特征提取和识别
3.4.1 核Fisher判别分析(KFDA)
3.4.2 局部均值判别分析(LMDA)
3.4.3 核局部均值判别分析(KLMDA)
3.4.4 KLMDA与KFDA、KDDA、CKFD的性能分析
3.4.5 实验结果与分析
参考文献
第4章 基于核聚类的雷达高分辨距离像识别
4.1 引言
4.2 基于核C均值聚类的HRRP识别
4.2.1 C均值聚类算法
4.2.2 核C均值聚类算法
4.2.3 核C均值聚类算法的核参数优化选取
4.2.4 基于核C均值聚类的高分辨距离像识别方法
4.2.5 实验结果与分析
4.3 基于模糊核C均值聚类的HRRP识别
4.3.1 模糊C均值聚类算法
4.3.2 模糊核C均值聚类算法
4.3.3 自适应模糊核C均值聚类算法
4.3.4 基于模糊核C均值聚类的高分辨距离像识别方法
4.3.5 实验结果与分析
参考文献
第5章 基于SVM的多目标分类识别
5.1 引言
5.2 基于K最近邻的SVM快速训练算法
5.2.1 KNN-SVM算法的基本思路
5.2.2 KNN-SVM算法的基本步骤
5.2.3 实验结果与分析
5.3 基于K最近邻的快速SVM增量学习算法
5.3.1 KNN-ISVM算法的基本思路
5.3.2 边界向量提取方法
5.3.3 KNN-ISVM算法的主要步骤
5.3.4 实验结果与分析
5.4 基于核分级聚类的SVM多类分类算法
5.4.1 分级聚类算法的改进
5.4.2 核分级聚类算法
5.4.3 基于核分级聚类的SVM多类分类算法
5.4.4 实验结果与分析
参考文献
第6章 基于单空间SVDD的雷达高分辨距离像识别
6.1 引言
6.2 SVDD超球空间分布特性和拒判域
6.2.1 HRRP在SVDD超球空间的分布特性
6.2.2 SVDD多目标识别中的拒判问题
6.3 SVDD序贯最小相对距离多类目标识别
6.3.1 SVDD多目标识别的拒判域处理
6.3.2 SVDD多目标识别训练算法
6.3.3 最小相对距离SVDD多目标识别算法
6.3.4 序贯最小相对距离SVDD多类目标识别算法
6.3.5 实验结果与分析
6.4 基于SVDD的雷达多目标模糊识别方法
6.4.1 基于SVDD的雷达多目标模糊识别方法
6.4.2 实验结果与分析
参考文献
第7章 基于自适应SVDD的雷达高分辨距离像识别
7.1 引言
7.2 SVDD模型参数的影响
7.2.1 核参数的影响
7.2.2 惩罚因子C的影响
7.3 基于自适应SVDD的雷达高分辨距离像识别
7.3.1 二次训练
7.3.2 最优超球半径选择
7.3.3 基于常规SVDD的HRRP目标识别流程
7.3.4 噪声分析
7.3.5 自适应超球半径模型
7.3.6 基于自适应SVDD的HRRP目标识别流程
7.4 实验结果与分析
7.4.1 高斯白噪声情况
7.4.2 海杂波
参考文献
第8章 基于双空间SVDD的雷达高分辨距离像识别
8.1 引言
8.2 超球空间HRRP的归属特性分析
8.3 延拓空间的样本分布建模
8.3.1 延拓样本分布的隶属度模型
8.3.2 延拓样本分布的云模型
8.3.3 延拓样本分布的高斯混合模型
8.3.4 参数估计
8.4 基于双空间SVDD的高分辨距离像识别方法
8.5 实验结果与分析
8.5.1 模型参数选择
8.5.2 识别实验结果
8.5.3 实验结果分析
参考文献
第9章 基于ISVDD的雷达高分辨距离像在线识别
9.1 引言
9.2 支持向量数据描述的增量泛化性能分析
9.2.1 SVDD的KKT条件
9.2.2 SVDD的训练样本分布特性
9.2.3 增量样本的超球空间分布特性
9.2.4 实验结果与分析
9.3 一种适于在线学习的增量支持向量数据描述算法
9.3.1 增量支持向量数据描述
9.3.2 ISVDD性能分析
9.3.3 实验结果与分析
9.4 基于ISVDD的雷达高分辨距离像在线识别方法
9.4.1 分方位帧建模
9.4.2 全方位HRRP的等间隔分帧
9.4.3 基于ISVDD的HRRP在线识别方法
9.4.4 实验结果与分析
参考文献
第10章 特征空间数据核矩阵收缩方法
10.1 引言
10.2 非线性可分与不可分问题
10.3 特征空间数据核矩阵收缩方法
10.3.1 数据在特征空间的收缩因子
10.3.2 数据在特征空间收缩后的核矩阵
10.3.3 数据在特征空间收缩方法
10.4 实验结果与分析
10.4.1 二维数据收缩实验
10.4.2 特征空间数据核矩阵收缩实验
附录A 式(3.70)的推导
附录B 式(3.75)的推导
附录C 式(3.90)的推导
附录D 式(3.94)的推导
参考文献
前言/序言
基于核方法的雷达高分辨距离像目标识别理论与方法 电子书 下载 mobi epub pdf txt
电子书下载地址:
相关电子书推荐:
- 文件名
- 正版刚2014中国好书榜获奖图书 小楼与大师:科学殿堂的人和事(理解科学丛书)97873
- 美国直邮 ROCKTAPE 手腕护带 RockWrists,国旗
- 舌尖上的丁香——中国的外来植物 香料 9787553507026 姚欢远-RT
- 通信系统终端设备(21世纪高等学校规划教材 电子信息)
- BF-灭绝的物种能复活吗-《科普基石丛书》编委会 四川科学技术出版社 9787536486
- 正版现货 锦方选集.内科第1册+第2册+第3册+草药部(全4册)重庆卫生局/编 学苑出版社
- 中国海洋学会学术期刊论文精品集
- 【虎彩 按需出版】小服装店也能赚大钱 赵亮亮著 中国纺织出版社
- 《大设计》(霍金全新著作,阐释宇宙问题) 9787535765444 湖南科技出版社
- 大屏幕彩色电视机电源电路及保护电路的检修 9787111213031
- 品读科-神奇世界全知道(动物奥秘 植物王国)
- 拉鲁斯怀孕百科
- 趣味几何学
- 电子产品原理分析与故障检修 王成福
- 满58包邮 常见花卉识别手册 9787568407274 宗树斌 江苏大学出版社