首页--天文学、地球科学论文--测绘学论文--摄影测量学与测绘遥感论文--测绘遥感技术论文

基于混沌杜鹃搜索算法的高光谱影像波段选择和半监督分类

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-19页
    1.1 研究背景与意义第9-13页
        1.1.1 高光谱成像仪的发展第9-10页
        1.1.2 高光谱遥感影像的特点第10-11页
        1.1.3 高光谱遥感的应用现状第11-13页
    1.2 国内外研究现状第13-16页
        1.2.1 高光谱遥感影像的降维处理第13-15页
        1.2.2 高光谱遥感影像的分类方法第15-16页
    1.3 论文的主要研究内容第16-17页
    1.4 论文的结构和章节安排第17-19页
第2章 高光谱遥感影像波段选择和分类的方法研究第19-29页
    2.1 基于评价准则的波段选择方法第19-22页
        2.1.1 基于信息量的波段选择方法第19-20页
        2.1.2 基于类间可分性的波段选择方法第20-22页
    2.2 基于启发式智能算法的波段选择第22-23页
        2.2.1 遗传算法第22页
        2.2.2 粒子群优化算法第22-23页
    2.3 高光谱遥感影像的分类第23-27页
        2.3.1 监督分类方法第23-24页
        2.3.2 非监督分类方法第24-26页
        2.3.3 半监督分类方法第26-27页
    2.4 本章小结第27-29页
第3章 基于混沌杜鹃搜索算法的波段选择第29-43页
    3.1 杜鹃搜索算法第29-30页
    3.2 混沌映射第30-31页
    3.3 基于混沌杜鹃搜索算法的波段选择第31-34页
        3.3.1 算法的编码形式第31-32页
        3.3.2 目标函数第32页
        3.3.3 基于混沌杜鹃搜索算法的波段选择流程第32-34页
    3.4 实验结果及分析第34-41页
        3.4.1 HYDICE Washington DC Mall数据实验第34-38页
        3.4.2 AVIRIS SalinasA数据实验第38-41页
    3.5 本章小结第41-43页
第4章 基于空谱信息结合的tri-training半监督分类第43-63页
    4.1 几种常见的分类器第43-47页
        4.1.1 支持向量机第43-44页
        4.1.2 随机森林第44-45页
        4.1.3 极限学习机第45-46页
        4.1.4 最近邻分类第46-47页
    4.2 基于tri-trining协同训练的半监督分类思想第47-49页
    4.3 基于空谱信息结合的tri-training半监督分类第49-52页
        4.3.1 未标记样本的选择策略第49-50页
        4.3.2 基分类器的选择和集成第50-51页
        4.3.3 基于空谱信息结合的tri-training半监督协同分类第51-52页
    4.4 实验结果与分析第52-61页
        4.4.1 AVIRIS Indian pines数据实验第53-56页
        4.4.2 ROSIS Pavia University数据实验第56-61页
    4.5 本章小结第61-63页
第5章 结论与展望第63-66页
    5.1 工作总结与创新第63-64页
    5.2 研究工作展望第64-66页
参考文献第66-72页
攻读硕士期间发表的科研项目成果第72-73页
    参与的科研项目第72页
    发表的科研成果第72-73页
致谢第73-74页

论文共74页,点击 下载论文
上一篇:广西大明山自然保护区繁殖季节的鸟类多样性及动态
下一篇:利用GRACE时变重力场和测高卫星数据探测阿根廷环流变化