摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
符号对照表 | 第13-14页 |
缩略语对照表 | 第14-19页 |
第一章 绪论 | 第19-35页 |
1.1 选题背景及意义 | 第19-22页 |
1.2 国内外相关研究进展 | 第22-33页 |
1.2.1 高光谱数据降维研究进展 | 第22-26页 |
1.2.2 高光谱数据分类研究进展 | 第26-29页 |
1.2.3 稀疏结构学习研究进展 | 第29-32页 |
1.2.4 研究内容以及结构安排 | 第32-33页 |
1.3 本章小结 | 第33-35页 |
第二章 正则化稀疏波段选择 | 第35-51页 |
2.1 研究动机与思路 | 第35-37页 |
2.2 基于特征成对相似性的正则化稀疏表征 | 第37-41页 |
2.2.1 基于成对相似性的稀疏表征选择 | 第37-39页 |
2.2.2 基于成对不相似性的正则化稀疏波段选择 | 第39-41页 |
2.3 实验结果与分析 | 第41-50页 |
2.3.1 实验数据集及环境设置 | 第41-44页 |
2.3.2 实验结果与分析 | 第44-50页 |
2.4 本章小结 | 第50-51页 |
第三章 基于空-谱压缩张量编码的稀疏特征学习 | 第51-67页 |
3.1 研究动机与思路 | 第51-54页 |
3.1.1 张量基础知识 | 第52-53页 |
3.1.2 基于压缩感知的维数约简 | 第53-54页 |
3.2 基于张量多观测向量优化的空-谱核稀疏编码 | 第54-58页 |
3.2.1 基于张量稀疏编码的稀疏波段选择 | 第54-55页 |
3.2.2 核张量稀疏特征选择 | 第55-56页 |
3.2.3 空-谱核张量稀疏特征学习 | 第56-57页 |
3.2.4 张量多维观测向量优化 | 第57-58页 |
3.3 实验结果与分析 | 第58-66页 |
3.3.1 实验数据集简介 | 第58-59页 |
3.3.2 实验结果与参数分析 | 第59-66页 |
3.4 本章小结 | 第66-67页 |
第四章 结构稀疏张量编码的高光谱数据分类 | 第67-79页 |
4.1 研究动机与思路 | 第67页 |
4.2 基于张量多观测向量优化的空-谱核稀疏编码 | 第67-73页 |
4.2.1 层次化空间相似性传播的超像素分割 | 第67-70页 |
4.2.2 超像素张量稀疏编码 | 第70-72页 |
4.2.3 综合像元-超像素级集成策略的高光谱分类 | 第72-73页 |
4.3 实验结果与分析 | 第73-78页 |
4.3.1 实验数据集 | 第73页 |
4.3.2 实验结果与参数分析 | 第73-78页 |
4.4 本章小结 | 第78-79页 |
第五章 稀疏结构正则的边界最大化半监督子空间学习 | 第79-93页 |
5.1 研究动机与思路 | 第79-84页 |
5.1.1 近邻边界最大化判别子空间分析 | 第80-82页 |
5.1.2 非负低秩子空间表示 | 第82-84页 |
5.2 稀疏结构正则的空谱边界最大化半监督子空间学习 | 第84-87页 |
5.2.1 空-谱边界定义 | 第84-85页 |
5.2.2 稀疏结构正则的空-谱近邻边界最大化子空间学习 | 第85-87页 |
5.3 实验结果与分析 | 第87-91页 |
5.3.1 实验数据集简介 | 第87页 |
5.3.2 实验参数设置及参数分析 | 第87-91页 |
5.4 本章小结 | 第91-93页 |
第六章 基于双几何低秩结构学习的半监督高光图像分类 | 第93-107页 |
6.1 研究背景及相关工作 | 第93-94页 |
6.2 低秩几何结构学习 | 第94-97页 |
6.2.1 全局光谱结构学习 | 第94-95页 |
6.2.2 局部空间结构指导下的几何相似性学习 | 第95-96页 |
6.2.3 几何结构正则的Laplician低秩表示 | 第96-97页 |
6.3 GLapLRR正则的半监督支撑矢量机 | 第97-100页 |
6.4 实验结果与分析 | 第100-106页 |
6.4.1 实验数据集与环境设置 | 第100页 |
6.4.2 实验结果与参数分析中 | 第100-106页 |
6.4.3 算法复杂度分析 | 第106页 |
6.5 本章小结 | 第106-107页 |
第七章 总结与展望 | 第107-111页 |
7.1 论文工作总结 | 第107-108页 |
7.2 进一步研究建议 | 第108-111页 |
参考文献 | 第111-129页 |
致谢 | 第129-131页 |
作者简介 | 第131-134页 |