基于稀疏多流形学习的高光谱遥感影像降维研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景及意义 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要研究内容及论文结构 | 第13-16页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 结构安排 | 第14-16页 |
| 2 高光谱遥感影像降维方法 | 第16-32页 |
| 2.1 流形学习 | 第16-22页 |
| 2.1.1 流形学习原理 | 第16页 |
| 2.1.2 流形学习方法 | 第16-22页 |
| 2.2 稀疏表示 | 第22-27页 |
| 2.2.1 稀疏表示原理 | 第22-24页 |
| 2.2.2 稀疏流形编码 | 第24-26页 |
| 2.2.3 稀疏流形聚类与嵌入(SMCE) | 第26-27页 |
| 2.3 高光谱遥感影像分类精度评价 | 第27-29页 |
| 2.3.1 混淆矩阵 | 第27页 |
| 2.3.2 生产者精度和使用者精度 | 第27-28页 |
| 2.3.3 总体分类精度和Kappa系数 | 第28-29页 |
| 2.4 高光谱遥感影像数据 | 第29-31页 |
| 2.4.1 PaviaU数据集 | 第29页 |
| 2.4.2 Urban数据集 | 第29-30页 |
| 2.4.3 Salinas数据集 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 基于监督稀疏流形嵌入的高光谱遥感影像分类 | 第32-44页 |
| 3.1 相关原理 | 第32-33页 |
| 3.2 监督稀疏流形嵌入算法 | 第33-35页 |
| 3.3 实验结果与分析 | 第35-43页 |
| 3.3.1 实验设置 | 第35-36页 |
| 3.3.2 PaviaU数据集实验 | 第36-40页 |
| 3.3.3 Urban数据集实验 | 第40-42页 |
| 3.3.4 实验结果与分析 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4 基于半监督稀疏多流形嵌入的高光谱影像分类 | 第44-62页 |
| 4.1 相关原理与方法 | 第44-47页 |
| 4.1.1 半监督学习 | 第44-46页 |
| 4.1.2 多流形学习 | 第46-47页 |
| 4.2 半监督稀疏多流形嵌入算法 | 第47-50页 |
| 4.3 实验结果与分析 | 第50-58页 |
| 4.3.1 实验设置 | 第50-52页 |
| 4.3.2 PaviaU数据集实验 | 第52-54页 |
| 4.3.3 Salinas数据集实验 | 第54-57页 |
| 4.3.4 实验结果与分析 | 第57-58页 |
| 4.4 SSME与S~3MME对比分析 | 第58-61页 |
| 4.5 本章小结 | 第61-62页 |
| 5 总结与展望 | 第62-65页 |
| 5.1 工作总结 | 第62-63页 |
| 5.2 研究展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70页 |
| A 攻读硕士学位期间发表的论文 | 第70页 |
| B 攻读硕士学位期间参加的科研项目及获奖情况 | 第70页 |
