基于深度学习CNN的滨海湿地高光谱遥感影像分类研究

摘要	第5-6页
abstract	第6-7页
第一章 绪论	第9-17页
1.1 研究背景与意义	第9-10页
1.2 国内外研究现状	第10-14页
1.3 本文的主要工作	第14-17页
第二章 研究区与数据处理	第17-22页
2.1 研究区概况	第17页
2.2 遥感数据及预处理	第17-19页
2.3 现场数据与解译	第19-22页
第三章 卷积神经网络CNN分类模型	第22-31页
3.1 卷积神经网络结构	第22-24页
3.2 卷积神经网络4个基本特征	第24-27页
3.3 卷积神经网络的训练过程	第27-29页
3.4 本文的卷积神经网络CNN结构	第29-31页
第四章 基于共轭梯度法的CNN分类模型	第31-44页
4.1 传统的CNN梯度下降算法	第31-32页
4.2 基于共轭梯度法的权重更新算法	第32-33页
4.3 实验结果分析	第33-40页
4.4 模型应用	第40-44页
第五章 自适应学习率的CNN分类模型	第44-53页
5.1 自适应学习率思想	第44-45页
5.2 CNN学习率的自适应调节算法	第45-46页
5.3 实验结果分析	第46-50页
5.4 模型应用	第50-53页
第六章 结论与讨论	第53-55页
6.1 结论	第53-54页
6.2 讨论	第54-55页
参考文献	第55-62页
发表文章目录	第62-63页
参加科研项目	第63-64页
致谢	第64页