| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-13页 |
| 1.2 论文主要内容 | 第13页 |
| 1.3 论文结构安排 | 第13-16页 |
| 2 分类方法与特征提取研究 | 第16-30页 |
| 2.1 遥感影像监督与非监督分类介绍 | 第17-20页 |
| 2.2 传统特征提取方法 | 第20-27页 |
| 2.2.1 特征提取 | 第20-21页 |
| 2.2.2 低维子空间嵌入法 | 第21-24页 |
| 2.2.3 高维核函数法 | 第24-26页 |
| 2.2.4 流形学习法 | 第26-27页 |
| 2.3 方案论证及算法流程 | 第27-28页 |
| 2.3.1 方案论证 | 第27-28页 |
| 2.3.2 论文算法的程序流程 | 第28页 |
| 2.4 本章小结 | 第28-30页 |
| 3 半监督局部保持投影算法 | 第30-48页 |
| 3.1 半监督流形学习研究 | 第30-32页 |
| 3.2 局部保持投影算法 | 第32-35页 |
| 3.2.1 LPP 算法原理 | 第32-34页 |
| 3.2.2 LPP 算法模拟实验 | 第34-35页 |
| 3.3 监督局部保持投影算法 | 第35-37页 |
| 3.4 半监督局部保持投影算法 | 第37-39页 |
| 3.4.1 SSLPP 算法原理 | 第37-38页 |
| 3.4.2 SSLPP 算法步骤 | 第38-39页 |
| 3.5 实验与分析 | 第39-46页 |
| 3.5.1 AVIRIS KSC 数据集 | 第39-42页 |
| 3.5.2 Botswana 数据集 | 第42-46页 |
| 3.6 本章小结 | 第46-48页 |
| 4 不同分类器下的 SSLPP 算法 | 第48-66页 |
| 4.1 分类器简介 | 第48-54页 |
| 4.1.1 分类器设计方法 | 第48-50页 |
| 4.1.2 分类器的度量判据 | 第50-52页 |
| 4.1.3 分类器的精度评定方法 | 第52-54页 |
| 4.2 常用分类器简介 | 第54-58页 |
| 4.2.1 K 近邻分类器 | 第54-55页 |
| 4.2.2 最近邻分类器 | 第55页 |
| 4.2.3 支持向量机分类器 | 第55-57页 |
| 4.2.4 几种常用分类器的比较 | 第57-58页 |
| 4.3 多种分类器的比较实验 | 第58-63页 |
| 4.3.1 实验数据选择 | 第58-60页 |
| 4.3.2 实验设置 | 第60-61页 |
| 4.3.3 实验结果分析 | 第61-63页 |
| 4.4 本章小结 | 第63-66页 |
| 5 总结与展望 | 第66-68页 |
| 5.1 工作总结 | 第66-67页 |
| 5.2 前景展望 | 第67-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74页 |
| A. 作者在攻读硕士学位期间发表的论文 | 第74页 |
| B. 作者在攻读硕士学位期间参与科研项目及获奖情况 | 第74页 |