| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-28页 |
| 1.1 SAR图像变化检测的研究背景和意义 | 第16-17页 |
| 1.2 SAR图像变化检测介绍 | 第17-21页 |
| 1.2.1 SAR图像变化检测概述 | 第17页 |
| 1.2.2 SAR图像变化检测的研究现状与问题 | 第17-20页 |
| 1.2.3 SAR图像变化检测评价指标 | 第20-21页 |
| 1.3 自步学习介绍 | 第21-26页 |
| 1.3.1 自步学习概述 | 第21页 |
| 1.3.2 自步学习的研究现状 | 第21-23页 |
| 1.3.3 自步学习基本理论 | 第23-26页 |
| 1.4 论文研究内容和结构安排 | 第26-28页 |
| 第二章 基于粒子群优化的自适应自步学习 | 第28-44页 |
| 2.1 粒子群优化算法 | 第28-30页 |
| 2.1.1 粒子群优化算法概述 | 第28-29页 |
| 2.1.2 粒子群优化算法流程 | 第29-30页 |
| 2.2 年龄参数对自步学习的影响分析 | 第30-32页 |
| 2.2.1 年龄参数的作用 | 第30-31页 |
| 2.2.2 年龄参数的设置方法 | 第31-32页 |
| 2.3 基于PSO的自适应年龄参数自步学习 | 第32-38页 |
| 2.3.1 PSOSPL模型 | 第33-34页 |
| 2.3.2 适应度函数设计 | 第34-35页 |
| 2.3.3 年龄参数编码模型 | 第35-38页 |
| 2.4 实验结果与分析 | 第38-43页 |
| 2.4.1 矩阵分解实验 | 第38-40页 |
| 2.4.2 动作识别实验 | 第40-41页 |
| 2.4.3 参数分析 | 第41-43页 |
| 2.5 本章小结 | 第43-44页 |
| 第三章 基于自步学习和对称卷积耦合网络的SAR图像变化检测 | 第44-56页 |
| 3.1 卷积神经网络 | 第44-45页 |
| 3.2 SCCN网络 | 第45-47页 |
| 3.2.1 网络结构 | 第45-46页 |
| 3.2.2 网络的优化步骤 | 第46-47页 |
| 3.3 基于自适应自步学习和SCCN的SAR图像变化检测 | 第47-50页 |
| 3.3.1 算法框架 | 第47-48页 |
| 3.3.2 SPL-SCCN理论分析 | 第48-49页 |
| 3.3.3 自步学习训练模型 | 第49-50页 |
| 3.4 实验结果与分析 | 第50-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 基于多样性自步学习和PCANet的SAR图像变化检测 | 第56-70页 |
| 4.1 多样性自步学习 | 第56-57页 |
| 4.2 模糊C均值联合分类 | 第57-58页 |
| 4.3 PCANet网络 | 第58-60页 |
| 4.4 基于SPLD和PCANet的SAR图像变化检测 | 第60-64页 |
| 4.4.1 算法框架 | 第60-61页 |
| 4.4.2 SPLD-PCANet模型 | 第61-64页 |
| 4.5 实验结果与分析 | 第64-69页 |
| 4.5.1 对比实验结果与分析 | 第64-67页 |
| 4.5.2 多样性参数分析 | 第67-69页 |
| 4.6 本章小结 | 第69-70页 |
| 第五章 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70-71页 |
| 5.2 展望 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 作者简介 | 第80页 |
