基于支持向量机的多光谱数据分类
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-23页 |
| ·研究背景和意义 | 第11-13页 |
| ·多光谱数据的研究现状 | 第13-14页 |
| ·多光谱数据分类的主要方法和原理 | 第14-19页 |
| ·本文的研究内容 | 第19-23页 |
| 第2章 统计学习理论和支持向量机方法 | 第23-38页 |
| ·引言 | 第23-24页 |
| ·机器学习的基本知识 | 第24-26页 |
| ·统计学习理论的简要介绍 | 第26-31页 |
| ·支持向量机 | 第31-35页 |
| ·支持向量机分类 | 第35-36页 |
| ·小结 | 第36-38页 |
| 第3章 模糊多类支持向量机 | 第38-54页 |
| ·多类支持向量机 | 第38-41页 |
| ·模糊支持向量机 | 第41-45页 |
| ·第一种改进的模糊多类支持向量机 | 第45-51页 |
| ·第二种改进的模糊多类支持向量机 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第4章 基于支持向量数据描述的模糊多类支持向量机 | 第54-69页 |
| ·引言 | 第54-55页 |
| ·基于数据紧描述的模糊多类支持向量机 | 第55-61页 |
| ·基于支持向量数据描述的模糊多类支持向量机 | 第61-67页 |
| ·小结 | 第67-69页 |
| 第5章 支持向量机反问题和最大间隔 | 第69-86页 |
| ·引言 | 第69-70页 |
| ·支持向量机反问题 | 第70-73页 |
| ·基于聚类的支持向量机反问题 | 第73-78页 |
| ·凸壳和最大间隔 | 第78-84页 |
| ·小结 | 第84-86页 |
| 第6章 快速支持向量机学习算法 | 第86-101页 |
| ·引言 | 第86-89页 |
| ·SMO及改进的SMO | 第89-97页 |
| ·模糊多类支持向量机的快速算法 | 第97-99页 |
| ·小结 | 第99-101页 |
| 第7章 总结与展望 | 第101-105页 |
| ·主要贡献与创新 | 第101-103页 |
| ·研究展望 | 第103-105页 |
| 参考文献 | 第105-116页 |
| 攻读博士学位期间科研工作情况 | 第116-118页 |
| 致谢 | 第118页 |
