| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 遥感图像变化检测研究现状 | 第9-11页 |
| 1.3 深度学习与遥感图像变化检测问题 | 第11-14页 |
| 1.4 遥感图像变化检测存在的问题 | 第14-15页 |
| 1.5 论文的组织结构 | 第15-17页 |
| 2 深度神经网络理论 | 第17-29页 |
| 2.1 介绍 | 第17页 |
| 2.2 受限玻尔兹曼机 | 第17-20页 |
| 2.2.1 结构及原理 | 第17-18页 |
| 2.2.2 RBM模型的梯度似然估计 | 第18-19页 |
| 2.2.3 对比散度训练 | 第19-20页 |
| 2.3 深度置信网 | 第20-21页 |
| 2.3.1 模型结构 | 第20-21页 |
| 2.3.2 模型训练 | 第21页 |
| 2.4 反向传播算法 | 第21-28页 |
| 2.4.1 介绍 | 第21-22页 |
| 2.4.2 神经网络中间数据描述表示 | 第22-23页 |
| 2.4.3 梯度下降 | 第23-24页 |
| 2.4.4 反向传播计算参数梯度 | 第24-25页 |
| 2.4.5 过拟合问题 | 第25-26页 |
| 2.4.6 参数更新 | 第26页 |
| 2.4.7 学习率的设置 | 第26-28页 |
| 2.5 本章总结 | 第28-29页 |
| 3 基于深度神经网络的差异图构造方法 | 第29-45页 |
| 3.1 介绍 | 第29页 |
| 3.2 使用深度神经网络构造差异图 | 第29-33页 |
| 3.2.1 方法框架 | 第30-31页 |
| 3.2.2 双向BP训练算法 | 第31-32页 |
| 3.2.3 交替调优DBN差异图构造方法 | 第32-33页 |
| 3.3 聚类检测 | 第33-34页 |
| 3.4 实验 | 第34-43页 |
| 3.4.1 介绍 | 第34-35页 |
| 3.4.2 实验参数 | 第35页 |
| 3.4.3 实验结果精确度指标 | 第35页 |
| 3.4.4 实验一 | 第35-38页 |
| 3.4.5 实验二 | 第38-39页 |
| 3.4.6 实验三 | 第39-41页 |
| 3.4.7 实验中间过程分析 | 第41-43页 |
| 3.5 本章总结 | 第43-45页 |
| 4 基于组合神经网络的遥感图像变化检测 | 第45-55页 |
| 4.1 介绍 | 第45-46页 |
| 4.2 组合神经网络模型结构 | 第46-47页 |
| 4.3 组合神经网络模型训练算法 | 第47-50页 |
| 4.3.1 logistic regression分类器 | 第47页 |
| 4.3.2 组合神经网络训练算法 | 第47-49页 |
| 4.3.3 组合神经网络模型整体训练步骤 | 第49-50页 |
| 4.4 实验 | 第50-54页 |
| 4.4.1 实验一 | 第50-53页 |
| 4.4.2 实验二 | 第53-54页 |
| 4.5 本章总结 | 第54-55页 |
| 5 基于深度置信网络的差异图分析 | 第55-61页 |
| 5.1 介绍 | 第55-56页 |
| 5.2 方法描述 | 第56-57页 |
| 5.2.1 方法框架 | 第56页 |
| 5.2.2 DBN-kmeans及DBN分析方法 | 第56-57页 |
| 5.2.3 训练样本提取方法 | 第57页 |
| 5.3 实验 | 第57-60页 |
| 5.3.1 实验一 | 第58-59页 |
| 5.3.2 实验二 | 第59-60页 |
| 5.4 本章总结 | 第60-61页 |
| 6 总结与展望 | 第61-62页 |
| 6.1 总结 | 第61页 |
| 6.2 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68页 |