| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第10-16页 |
| 1.1 概述 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 研究内容、目的和意义 | 第13-16页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 研究目的及意义 | 第14-15页 |
| 1.3.3 研究的技术路线 | 第15-16页 |
| 第2章 高光谱数据降维算法 | 第16-24页 |
| 2.1 高光谱数据特点 | 第16-17页 |
| 2.2 高光谱降维算法分类 | 第17-18页 |
| 2.3 主成分分析 | 第18-19页 |
| 2.4 最大噪声分数变换 | 第19-21页 |
| 2.5 独立成分分析 | 第21-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第3章 空间统计学基本理论 | 第24-35页 |
| 3.1 空间统计学基本理论 | 第24-28页 |
| 3.1.1 区域化变量 | 第24-25页 |
| 3.1.2 半变异函数与半变异函数图 | 第25-27页 |
| 3.1.3 平稳假设与本征假设 | 第27-28页 |
| 3.2 变异函数结构分析 | 第28-34页 |
| 3.2.1 实验半变异函数的计算 | 第28-29页 |
| 3.2.2 半变异函数 | 第29-30页 |
| 3.2.3 理论半变异函数模型 | 第30-32页 |
| 3.2.4 线性规划法模型拟合 | 第32-33页 |
| 3.2.5 交叉验证 | 第33-34页 |
| 3.3 分维数 | 第34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 波段选择的参数获取 | 第35-58页 |
| 4.1 实验数据集 | 第35-38页 |
| 4.1.1 AVIRIS Indian Pines数据集 | 第35-36页 |
| 4.1.2 AVIRIS Salina数据集 | 第36-37页 |
| 4.1.3 ROSIS University数据集 | 第37-38页 |
| 4.1.4 Hyperion Botswana数据集 | 第38页 |
| 4.2 数据预处理 | 第38-42页 |
| 4.2.1 漂移去除 | 第38-40页 |
| 4.2.2 数据正态化 | 第40-42页 |
| 4.3 半变异函数参数计算 | 第42-54页 |
| 4.3.1 实验半变异函数计算 | 第42-43页 |
| 4.3.2 理论半变异函数拟合 | 第43-47页 |
| 4.3.3 拟合结果 | 第47-54页 |
| 4.4 分维数的计算 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 选择波段 | 第58-77页 |
| 5.1 评价方法 | 第58-59页 |
| 5.1.1 马氏距离分类 | 第58页 |
| 5.1.2 分类精度 | 第58-59页 |
| 5.2 波段筛选结果 | 第59-67页 |
| 5.2.1 主成分分析 | 第60-62页 |
| 5.2.2 最大噪声分数变换 | 第62-63页 |
| 5.2.3 独立成分分析 | 第63-65页 |
| 5.2.4 分类精度分析 | 第65-67页 |
| 5.3 经验阈值确定 | 第67-76页 |
| 5.3.1 理论半变异函数参数 | 第67-71页 |
| 5.3.2 分维数 | 第71-73页 |
| 5.3.3 分类精度分析 | 第73-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第6章 结论与展望 | 第77-79页 |
| 6.1 结论 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 附录 | 第84页 |
| 硕士学位期间完成和发表的论文 | 第84页 |
