半监督支持向量机高光谱遥感影像分类
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| Contents | 第10-12页 |
| 图清单 | 第12-14页 |
| 表清单 | 第14-16页 |
| 1 绪论 | 第16-27页 |
| ·研究背景与选题依据 | 第16-18页 |
| ·相关领域的研究动态 | 第18-23页 |
| ·研究内容和技术路线 | 第23-25页 |
| ·论文组织结构 | 第25-27页 |
| 2 半监督高光谱影像分类理论与策略 | 第27-41页 |
| ·半监督分类理论基础 | 第27-38页 |
| ·半监督支持向量机高光谱影像分类策略 | 第38-39页 |
| ·试验高光谱影像 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 3 基于自训练支持向量机半监督高光谱影像分类 | 第41-54页 |
| ·引言 | 第41-42页 |
| ·支持向量机分类原理 | 第42-44页 |
| ·未标记样本选择策略 | 第44-47页 |
| ·试验结果与分析 | 第47-53页 |
| ·本章小结 | 第53-54页 |
| 4 结合空间信息样本选择的半监督高光谱影像分类 | 第54-65页 |
| ·引言 | 第54页 |
| ·空间信息的提取 | 第54-56页 |
| ·结合空间信息的未标记样本增选策略 | 第56-57页 |
| ·试验结果与分析 | 第57-63页 |
| ·本章小结 | 第63-65页 |
| 5 基于协同训练高光谱影像分类 | 第65-74页 |
| ·引言 | 第65页 |
| ·单视图协同训练理论 | 第65-66页 |
| ·K近邻距离分类原理 | 第66页 |
| ·单视图多分类器协同训练策略 | 第66-68页 |
| ·试验结果与分析 | 第68-73页 |
| ·本章小结 | 第73-74页 |
| 6 结论与展望 | 第74-77页 |
| ·结论 | 第74-75页 |
| ·展望 | 第75-77页 |
| 参考文献 | 第77-84页 |
| 作者简历 | 第84-86页 |
| 学位论文数据集 | 第86页 |
