基于支持向量机的高光谱图像分类技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题背景及研究的目的意义 | 第10-11页 |
| ·成像光谱技术的发展及高光谱图像特点 | 第11-14页 |
| ·成像光谱技术的发展 | 第11-12页 |
| ·高光谱图像特点 | 第12-14页 |
| ·高光谱分类的研究现状 | 第14-17页 |
| ·本文的研究内容和组织结构 | 第17-19页 |
| 第2章 SVM基本理论 | 第19-33页 |
| ·机器学习的发展历史与现状 | 第19-20页 |
| ·SVM算法的发展 | 第20-21页 |
| ·SVM的分类原理 | 第21-27页 |
| ·线性SVM | 第21-24页 |
| ·广义线性SVM | 第24-25页 |
| ·非线性SVM | 第25-27页 |
| ·最小二乘SVM | 第27-29页 |
| ·SVM多类分类方法 | 第29-32页 |
| ·1-a-r型多分类SVM | 第29-31页 |
| ·1-a-1型多分类SVM | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 高光谱遥感图像分类 | 第33-44页 |
| ·引言 | 第33页 |
| ·遥感图像监督分类 | 第33-39页 |
| ·最小距离分类和最近邻分类 | 第34-36页 |
| ·光谱角匹配分类 | 第36-37页 |
| ·最大似然分类 | 第37-39页 |
| ·分类结果和精度评价 | 第39-40页 |
| ·实验内容与结果分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 非线性支持向量机判别阈值的设置 | 第44-50页 |
| ·非线性SVM中阈值偏移的分析 | 第44-46页 |
| ·阈值的优化设置方法 | 第46-47页 |
| ·高光谱图像分类仿真实验 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 基于距离比较的SVM样本缩减方法 | 第50-57页 |
| ·SVM训练算法分析 | 第50页 |
| ·样本缩减策略 | 第50-53页 |
| ·基于样本缩减策略的高光谱图像仿真实验 | 第53-55页 |
| ·采用新阈值进行样本缩减的仿真实验 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第63-64页 |
| 致谢 | 第64页 |
