| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景与意义 | 第8-9页 |
| ·国内外研究现状分析 | 第9-11页 |
| ·论文的主要工作及内容安排 | 第11-14页 |
| 第二章 维数约减算法的研究 | 第14-22页 |
| ·几种经典的维数约减算法 | 第14-18页 |
| ·主成分分析PCA | 第14-16页 |
| ·局部线性嵌入LLE | 第16页 |
| ·线性判别分析LDA | 第16-18页 |
| ·半监督维数约减算法的研究 | 第18-20页 |
| ·半监督维数约减 | 第18-19页 |
| ·半监督判别分析SDA | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第三章 基于局部标度切的半监督维数约减及其在高光谱图像分类中的应用 | 第22-41页 |
| ·高光谱遥感技术概述 | 第22-23页 |
| ·局部标度切 | 第23-26页 |
| ·规范切 | 第23-24页 |
| ·标度切 | 第24-25页 |
| ·局部标度切 | 第25-26页 |
| ·基于局部标度切判据的半监督维数约减方法 | 第26-29页 |
| ·半监督维数约减框架 | 第26-27页 |
| ·半监督局部标度切判据 | 第27-29页 |
| ·基于半监督局部标度切判据的高光谱图像分类 | 第29-38页 |
| ·实验设计 | 第29-32页 |
| ·分类结果与分析 | 第32-37页 |
| ·有标记样本数目对算法性能的影响 | 第37页 |
| ·无标记样本数目对算法性能的影响 | 第37-38页 |
| ·参数β对算法性能的影响 | 第38页 |
| ·本章小结 | 第38-41页 |
| 第四章 基于稀疏表示的半监督维数约减 | 第41-57页 |
| ·压缩感知 | 第41-42页 |
| ·稀疏表示 | 第42-43页 |
| ·图的构造方法 | 第43-46页 |
| ·全连接图 | 第43-44页 |
| ·近邻图 | 第44-45页 |
| ·l1-图 | 第45-46页 |
| ·基于稀疏表示的半监督维数约减算法 | 第46-48页 |
| ·实验结果与分析 | 第48-55页 |
| ·人脸识别 | 第48-49页 |
| ·手写体数字识别 | 第49-50页 |
| ·高光谱遥感图像分类 | 第50-54页 |
| ·参数β对算法性能的影响 | 第54-55页 |
| ·算法用于不同数据时的对比分析 | 第55页 |
| ·本章小结 | 第55-57页 |
| 第五章 稀疏局部标度切判据 | 第57-69页 |
| ·引言 | 第57页 |
| ·稀疏局部标度切判据 | 第57-59页 |
| ·局部标度切判据 | 第57-58页 |
| ·稀疏局部标度切判据 | 第58-59页 |
| ·基于稀疏局部标度切判据的半监督维数约减算法流程 | 第59-60页 |
| ·基于稀疏局部标度切判据的高光谱图像分类 | 第60-67页 |
| ·对比实验 | 第60-63页 |
| ·参数β对算法性能的影响 | 第63页 |
| ·本论文三种半监督降维方法性能比较 | 第63-67页 |
| ·本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·论文总结 | 第69页 |
| ·展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-79页 |
| 硕士期间完成的学术成果 | 第79页 |