| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·维数约减的研究背景 | 第8-9页 |
| ·维数约减的基本概念 | 第9-12页 |
| ·维数约减研究背景 | 第9-10页 |
| ·高维数据的特点 | 第10-11页 |
| ·维数约减研究现状 | 第11-12页 |
| ·论文的主要工作 | 第12-14页 |
| 第二章 维数约减经典算法的研究 | 第14-20页 |
| ·主成分分析 PCA | 第14-15页 |
| ·线性判别分析 LDA | 第15-17页 |
| ·等距映射 ISOMAP | 第17页 |
| ·局部线性嵌入 LLE | 第17-18页 |
| ·LE 和 LPP | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 基于区域相似性低秩表示的维数约减及其在高光谱图像分类中的应用 | 第20-40页 |
| ·高光谱遥感图像简介 | 第20-22页 |
| ·高光谱遥感发展 | 第20-21页 |
| ·高光谱遥感图像特点 | 第21-22页 |
| ·高光谱遥感图像降维的重要性 | 第22页 |
| ·低秩表示 | 第22-23页 |
| ·均值漂移 | 第23-25页 |
| ·区域相似性低秩表示维数约减算法在高光谱遥感图像中的应用 | 第25-28页 |
| ·空间邻域信息表示 | 第25-26页 |
| ·谱段信息表示 | 第26-27页 |
| ·基于区域相似性低秩表示的维数约减方法 | 第27-28页 |
| ·区域相似性低秩表示维数约减算法流程 | 第28-29页 |
| ·实验设计和分析 | 第29-39页 |
| ·Indian Pines | 第30-34页 |
| ·Pavia-U 高光谱遥感图像 | 第34-36页 |
| ·Salinas-A | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于图正则低秩表示维数约减的研究及其应用 | 第40-50页 |
| ·基于图的维数约减算法 | 第40-41页 |
| ·图正则低秩表示维数约减算法 | 第41-44页 |
| ·实验与分析 | 第44-48页 |
| ·人脸识别 CMU 的 PIE 数据集 | 第44-47页 |
| ·Indian Pines | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第五章 基于迹比标度切有监督维数约减算法 | 第50-64页 |
| ·迹比标度切维数约减算法 | 第50-52页 |
| ·标度切准则 | 第50-51页 |
| ·迹比标度切维数约减算法及其求解 | 第51-52页 |
| ·迹比局部标度切维数约减算法 | 第52-54页 |
| ·非线性的扩展 | 第54-55页 |
| ·迹比核标度切维数约减算法 | 第54页 |
| ·迹比核局部标度切维数约减算法 | 第54-55页 |
| ·实验结果及分析 | 第55-63页 |
| ·嵌入空间的可视化 | 第55-56页 |
| ·UCI 数据集 | 第56-57页 |
| ·人脸数据 ORL 数据集 | 第57-59页 |
| ·手写体 USPS 数据集 | 第59-60页 |
| ·高光谱遥感图像分类 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 研究成果 | 第72-73页 |