第一章 投影寻踪——一类新兴的统计方法 1
1.1投影寻踪方法的特点及优点 1
1.2投影寻踪的发展简史 6
1.3本书的主要内容 8
参考文献 10
第二章 投影指标与投影寻踪回归 13
2.1常用的重要投影指标 14
2.1.1密度型投影指标 15
2.1.2非密度型投影指标 18
2.2高光谱图像中小目标无监督检测的投影寻踪方法 20
2.2.1投影指标的选取 21
2.2.2基于遗传算法的投影方向最优化 22
2.2.3高光谱图像中小目标无监督检测的实例 26
2.3基于LDA投影指标和Lr投影指标的有监督分类 28
2.3.1Lr投影指标 28
2.3.2基于模拟退火方法的投影指标最优化 30
2.3.3模拟数据分类 32
2.4投影指标小波核估计的统计性质 38
2.4.1预备知识 38
2.4.2两类投影指标的小波核估计 41
2.5投影指标的Bootstrap估计及其统计性质 52
2.5.1预备知识 52
2.5.2投影指标的Bootstrap估计 54
2.5.3拟最佳投影方向 55
2.6SAR图像与极化SAR图像分类的序列投影寻踪方法 57
2.6.1预备知识 57
2.6.2极化SAR数据的相似性参数与极化SAR图像分类 61
2.6.3序列投影寻踪模型与计算方法 63
2.6.4SAR图像分类的序列投影寻踪模型方法 65
2.6.5基于相似性参数序列投影寻踪的极化SAR图像分类 68
2.6.6基于拟最佳投影方向的极化SAR图像分类 72
2.7投影寻踪回归的L2收敛性和全向攻击导弹数据处理 74
2.7.1投影寻踪回归 74
2.7.2岭函数为多项式形式时投影寻踪回归的L2收敛性 75
2.7.3全向攻击导弹数据处理 79
2.8非线性系统高维特征量的稳健投影寻踪回归建模 82
2.8.1稳健投影寻踪建模方法 82
2.8.2航空发动机低压转子转速的稳健投影寻踪模型 84
参考文献 85
第三章 投影寻踪学习网络的统计性质与应用 91
3.1投影寻踪学习神经网络 92
3.1.1投影寻踪学习网络的数学模型和计算步骤 93
3.1.2回归函数投影寻踪学习网络逼近的Lp收敛性 98
3.2非线性自回归过程的投影寻踪学习网络逼近 99
3.2.1非线性自回归过程的投影寻踪学习神经网络逼近的收敛性 99
3.2.2基于投影寻踪学习网络的非线性自回归过程的建模与预报 101
3.3多维非线性时间序列的投影寻踪学习网络逼近 111
3.3.1多维非线性自回归过程的投影寻踪学习神经网络逼近的收敛性 111
3.3.2应用实例 114
3.4用于分类的投影寻踪学习网络方法 116
3.4.1线性Hebb学习和非线性Hebb学习方法 117
3.4.2用于分类的一维投影寻踪学习网络方法 120
3.4.3用于分类的二维投影寻踪学习网络方法 122
3.4.4应用实例 126
3.4.5目标信号高维特征量的提取与分类 131
3.5水下航行器弹道的投影寻踪学习网络的预测 136
3.5.1投影寻踪学习网络逼近的收敛性 136
3.5.2水下航行器导引弹道分析及数学模型 139
3.5.3尾追法水下航行器弹道的平滑和预测 142
3.6基于投影寻踪学习网络的SAR图像压缩 145
3.6.1SAR图像的四叉树分割 145
3.6.2基于投影寻踪学习网络的SAR图像压缩的计算方法 147
3.6.3SAR图像压缩 148
3.7基于小波域投影寻踪网络的多源退化图像的恢复 150
3.7.1多源退化图像的小波域投影寻踪学习网络恢复方法 150
3.7.2多源退化图像恢复计算实例 151
参考文献 154
第四章 小波神经网络的应用 159
4.1小波神经网络的应用 159
4.1.1小波神经网络的基本理论 160
4.1.2小波神经网络的应用实例 167
4.2基于小波神经网络的明暗恢复形状 181
4.2.1构造单幅图像明暗恢复形状的小波神经网络 181
4.2.2单幅图像明暗恢复形状小波神经网络的求解 184
4.2.3单幅图像明暗恢复形状小波神经网络的随机梯度算法 185
4.2.4应用实例 189
参考文献 202
第五章 投影寻踪小波神经网络及应用 204
5.1投影寻踪小波神经网络的基本理论 205
5.1.1投影寻踪小波神经网络的数学模型及拓扑结构 205
5.1.2投影寻踪小波神经网络的非线性学习机理与计算方法 207
5.2投影寻踪小波神经网络逼近的统计性质 211
5.2.1多元非线性函数的投影寻踪小波神经网络逼近 211
5.2.2多元非线性函数的投影寻踪小波神经网络逼近的收敛速度 214
5.3投影寻踪小波神经网络的应用实例 215
5.3.1基于投影寻踪小波神经网络的多元非线性函数逼近 215
5.3.2基于投影寻踪小波神经网络的混沌时间序列预报 222
5.3.3非线性时间序列的建模和预报 224
5.3.4投影寻踪小波神经网络的图像边缘检测 228
5.4基于投影寻踪小波神经网络的极化SAR图像分类方法 232
5.4.1极化SAR数据分类的数学模型 233
5.4.2极化SAR数据分类中心的确定 234
5.4.3极化SAR数据的分类器与模糊权指标 234
5.5极化SAR图像分类方法分析与比较 238
5.5.1极化SAR数据的滤波预处理 239
5.5.2极化SAR图像的分类 240
5.5.3基于Pauli系数分解的极化SAR图像分类 241
5.5.4基于Krogager分解系数的极化SAR图像分类 244
5.5.5基于目标相似性参数的极化SAR图像分类 247
5.5.6基于散射熵H和散射角α平面的极化SAR图像分类 249
5.5.7基于目标统计特征的极化SAR图像分类 251
5.5.8有限混合Wishart模型及其分类多视极化SAR图像 253
5.6分类方法的比较 259
参考文献 261