| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 本文中常用记号和缩写词 | 第13-15页 |
| 第一章 绪论 | 第15-35页 |
| 1.1 高光谱遥感概述 | 第15-18页 |
| 1.2 高光谱数据处理的发展趋势 | 第18-19页 |
| 1.3 高光谱数据的特点 | 第19-21页 |
| 1.4 高光谱数据在应用中存在的问题 | 第21-23页 |
| 1.5 高光谱数据的降维 | 第23-31页 |
| 1.5.1 特征提取 | 第23-29页 |
| 1.5.2 特征选择 | 第29-31页 |
| 1.6 本文的研究内容及安排 | 第31-35页 |
| 第二章 基于空间一致性的局部嵌入特征提取算法 | 第35-51页 |
| 2.1 引言 | 第35-36页 |
| 2.2 PCA和FDA算法简介 | 第36-38页 |
| 2.2.1 PCA算法 | 第36-37页 |
| 2.2.2 FDA算法 | 第37-38页 |
| 2.3 基于空间一致性的局部邻域结构 | 第38-41页 |
| 2.3.1 空间一致性思想 | 第38-39页 |
| 2.3.2 建立基于空间一致性的局部邻域结构 | 第39-41页 |
| 2.4 寻找最优投影矩阵 | 第41-43页 |
| 2.4.1 线性特征提取问题 | 第41页 |
| 2.4.2 计算投影矩阵 | 第41-43页 |
| 2.5 LESC算法的步骤 | 第43页 |
| 2.6 实验结果与分析 | 第43-49页 |
| 2.6.1 实验数据说明 | 第43-46页 |
| 2.6.2 LESC算法的性能 | 第46-49页 |
| 2.7 本章小结 | 第49-51页 |
| 第三章 基于正则化非负矩阵分解的特征提取算法 | 第51-67页 |
| 3.1 引言 | 第51-52页 |
| 3.2 NMF算法简介 | 第52-53页 |
| 3.3 基于正则化非负矩阵分解的特征提取 | 第53-57页 |
| 3.3.1 NMF上的流形正则化 | 第53-55页 |
| 3.3.2 RNMF算法的更新规则 | 第55-57页 |
| 3.4 RNMF算法收敛性证明 | 第57-60页 |
| 3.4.1 U的收敛分析 | 第57-59页 |
| 3.4.2 V的收敛分析 | 第59-60页 |
| 3.4.3 定理1的证明 | 第60页 |
| 3.5 RNMF方法的步骤 | 第60-61页 |
| 3.6 RNMF方法计算复杂度分析 | 第61-62页 |
| 3.7 实验结果与分析 | 第62-66页 |
| 3.7.1 实验数据说明 | 第62页 |
| 3.7.2 实验参数选择 | 第62-63页 |
| 3.7.3 实验结果 | 第63-66页 |
| 3.8 本章小结 | 第66-67页 |
| 第四章 基于概念分解的半监督特征提取算法 | 第67-81页 |
| 4.1 引言 | 第67-68页 |
| 4.2 概念分解简介 | 第68-69页 |
| 4.3 基于概念分解的半监督特征提取 | 第69-73页 |
| 4.3.1 高光谱数据标记信息的硬性约束 | 第69-70页 |
| 4.3.2 高光谱数据的流形规则化 | 第70-71页 |
| 4.3.3 矩阵优化重构实现数据降维 | 第71-73页 |
| 4.4 SFECF方法的收敛证明 | 第73-76页 |
| 4.5 SFECF方法的步骤 | 第76页 |
| 4.6 SFECF方法计算复杂度分析 | 第76-77页 |
| 4.7 实验结果与分析 | 第77-80页 |
| 4.7.1 实验数据说明 | 第77页 |
| 4.7.2 实验参数选择 | 第77-78页 |
| 4.7.3 各种矩阵分解方法的性能比较 | 第78-80页 |
| 4.8 本章小结 | 第80-81页 |
| 第五章 分组的基于局部Fisher判别特征选择系统 | 第81-93页 |
| 5.1 引言 | 第81-83页 |
| 5.2 Fisher Score | 第83-84页 |
| 5.3 基于局部Fisher判别的监督特征选择 | 第84-85页 |
| 5.4 高光谱数据的分组FSLFD处理系统 | 第85-88页 |
| 5.4.1 波段分组 | 第85-88页 |
| 5.4.2 构建高光谱数据分组的FSLFD处理系统 | 第88页 |
| 5.5 实验结果与分析 | 第88-92页 |
| 5.5.1 FSLFD算法的性能 | 第89-90页 |
| 5.5.2 分组的FSLFD处理系统实验分析 | 第90-92页 |
| 5.6 本章小结 | 第92-93页 |
| 第六章 基于流形的半监督特征选择算法 | 第93-105页 |
| 6.1 引言 | 第93-94页 |
| 6.2 Laplacian准则 | 第94-96页 |
| 6.3 基于流形的半监督特征选择算法 | 第96-99页 |
| 6.3.1 无标记样本的作用分析 | 第96页 |
| 6.3.2 聚类假设和流形假设 | 第96-97页 |
| 6.3.3 SFSM算法 | 第97-99页 |
| 6.4 SFSM算法的证明 | 第99-100页 |
| 6.5 实验结果与分析 | 第100-103页 |
| 6.5.1 实验参数选择 | 第101-102页 |
| 6.5.2 SFSM算法的性能 | 第102-103页 |
| 6.6 本章小结 | 第103-105页 |
| 第七章 总结和展望 | 第105-109页 |
| 7.1 研究工作总结 | 第105-106页 |
| 7.2 研究展望 | 第106-109页 |
| 参考文献 | 第109-121页 |
| 致谢 | 第121-123页 |
| 附录一 攻读博士学位期间发表的主要论文 | 第123-125页 |
| 附录二 攻读博士学位期间参加的科研项目、学术兼职活动和荣誉 | 第125-126页 |
