| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状及分析 | 第9-12页 |
| 1.3 本文的主要研究内容 | 第12-14页 |
| 2 相关理论与技术文献综述 | 第14-27页 |
| 2.1 极限学习机的相关原理 | 第14-19页 |
| 2.2 自编码器的相关原理 | 第19-22页 |
| 2.3 高光谱图像空间与光谱信息联合相关原理 | 第22-25页 |
| 2.4 本章小结 | 第25-27页 |
| 3 高光谱图像特征学习算法设计 | 第27-41页 |
| 3.1 基于高斯白噪声的ELM-DAE算法 | 第27-32页 |
| 3.2 基于空谱联合的MH-ELM-DAE高光谱图像特征学习算法 | 第32-38页 |
| 3.3 基于深度学习的MH-HELM-AE高光谱图像特征学习算法 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 4 基于ELM-AE改进的高光谱图像特征学习算法实验 | 第41-61页 |
| 4.1 算法实验程序的实现 | 第41-47页 |
| 4.2 算法性能综合评测与分析 | 第47-59页 |
| 4.3 本章小结 | 第59-61页 |
| 5 总结与展望 | 第61-63页 |
| 5.1 全文工作总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
