基于支持向量机的地面目标自动识别技术

　　《基于支持向量机的地面目标自动识别技术》结合多传感器信息融合平台和支持向量机理论，探索了地面目标自动识别的可行方法。《基于支持向量机的地面目标自动识别技术》中基于大量实验数据对SVM数据库构建、模型优化、特征选择等关键技术进行了深入研究，提出了新方法。《基于支持向量机的地面目标自动识别技术》可供从事支持向量机、机器学习、人工智能、图像处理、目标识别等方向的科研人员参考，也可作为高等院校相关专业教材。

暂缺《基于支持向量机的地面目标自动识别技术》作者简介

第1章 绪论
1．1 研究背景和意义
1．2 多传感器信息融合
1．2．1 定义与一般模型
1．2．2 信息融合的主要技术和方法
1．3 基于多传感器信息融合的目标识别
1．3．1 融合识别的三个层次
1．3．2 融合识别研究现状
1．4 支持向量机的发展和研究现状
第2章 统计学习与支持向量机
2．1 统计学习理论
2．1．1 机器学习中的期望风险与经验风险
2．1．2 VC维理论
2．1．3 结构风险小原则
2．2 支持向量机
2．2．1 线性可分分类
2．2．2 线性不可分分类
2．2．3 SVM的一般形式
2．2．4 常用的核函数
2．2．5 应用SVM的一般步骤
2．2．6 SVM多类分类
第3章 基于支持向量机的目标特征库的建立
3．1 UCI开放实测特征库介绍
3．2 图像的特征提取
3．2．1 图像不变矩
3．2．2 主成分分析
3．3 低分辨率图像特征库的组建及SVM识别性能比较
3．3．1 低分辨率图像特征库的组建
3．3．2 基于三种特征库的SVM识别性能比较
3．4 高分辨率图像特征库的组建及SVM识别性能比较
3．4．1 高分辨率图像特征库的组建
3．4．2 基于两种特征库的SVM识别性能比较
3．5 两类装甲车辆特征库的建立
3．5．1 图像获取
3．5．2 基于MeanShift的图像平滑与分割
3．5．3 装甲车辆红外特征库与可见光特征库的建立
3．5．4 特征融合及融合特征库的建立
3．5．5 基于各特征库的SVM识别效率比较
……
第4章 支持向量机模型选择
第5章 支持向量机特征选择
第6章 基于增后特征库的支持向量机
第7章 支持向量机目标识别的软件实现
第8章 总结与展望
参考文献