基于混合像元模型的高光谱数据分类
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究意义 | 第7-8页 |
| ·研究现状 | 第8-9页 |
| ·方法概述 | 第9-12页 |
| ·常见的监督分类算法 | 第10-11页 |
| ·常见的非监督分类算法 | 第11-12页 |
| ·内容安排 | 第12-13页 |
| 第二章 基于独立成分分析的特征提取 | 第13-25页 |
| ·混合像元模型 | 第13-15页 |
| ·独立成分分析 | 第15-20页 |
| ·独立成分分析基础 | 第15-17页 |
| ·相对梯度学习算法 | 第17-19页 |
| ·快速定点学习算法 | 第19-20页 |
| ·独立成分分析与主成分分析的结合 | 第20页 |
| ·实验结果与分析 | 第20-23页 |
| ·独立成分分析分类实验 | 第22-23页 |
| ·独立成分分析与主成分分析相结合的分类实验 | 第23页 |
| ·小结 | 第23-25页 |
| 第三章 神经网络分类算法研究 | 第25-41页 |
| ·基于BP学习算法的多层前向神经网络 | 第26-32页 |
| ·标准BP学习算法 | 第26-28页 |
| ·改进的BP学习算法 | 第28-32页 |
| ·基于径向基函数的多层前向神经网络 | 第32-35页 |
| ·实验结果与分析 | 第35-39页 |
| ·BP神经网络分类实验 | 第35-38页 |
| ·径向基神经网络分类实验 | 第38-39页 |
| ·传统分类器分类实验 | 第39页 |
| ·小结 | 第39-41页 |
| 第四章 神经网络实现多类分类问题的方法研究 | 第41-47页 |
| ·多类分类方法 | 第41-42页 |
| ·实验结果与分析 | 第42-45页 |
| ·BP神经网络分类实验 | 第42-44页 |
| ·径向基神经网络分类实验 | 第44-45页 |
| ·小结 | 第45-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·总结 | 第47-48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 发表论文和参加科研情况说明 | 第52-53页 |
| 致谢 | 第53-54页 |
| 西北工业大学学位论文知识产权声明书 | 第54页 |
| 西北工业大学学位论文原创性声明 | 第54页 |
