极光静态图像分类的动态过程分析
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 极光静态图像分类与动态过程分析的研究现状 | 第9-11页 |
| 1.2.1 极光静态图像的分类研究 | 第9-11页 |
| 1.2.2 极光动态过程的研究现状 | 第11页 |
| 1.3 论文的研究成果与章节安排 | 第11-14页 |
| 第二章 基础理论知识 | 第14-22页 |
| 2.1 HMAX 模型 | 第14-16页 |
| 2.2 显著度图模型 | 第16-18页 |
| 2.3 高斯隐变量模型 | 第18-19页 |
| 2.4 流形学习算法的统一框架 | 第19-20页 |
| 2.5 本章小结 | 第20-22页 |
| 第三章 极光静态图像分类 | 第22-38页 |
| 3.1 基于 DLA-GPLVM 极光特征降维 | 第22-29页 |
| 3.1.1 DLA 降维算法 | 第22-23页 |
| 3.1.2 DLA-GPLVM 模型 | 第23-25页 |
| 3.1.3 实验结果与分析 | 第25-29页 |
| 3.2 基于 BIFs-DLA 极光静态图像分类 | 第29-37页 |
| 3.2.1 基于 BIFs 的特征提取 | 第29-31页 |
| 3.2.2 基于 DLA 的 BIFs 特征降维 | 第31-32页 |
| 3.2.3 实验结果与分析 | 第32-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第四章 极光动态过程分析 | 第38-48页 |
| 4.1 引言 | 第38页 |
| 4.2 基于 LBM 的弧状极光序列运动研究 | 第38-44页 |
| 4.2.1 理论基础 | 第38-40页 |
| 4.2.2 算法实验分析 | 第40-44页 |
| 4.3 基于重心的极向运动极光结构识别 | 第44-47页 |
| 4.3.1 理论基础 | 第44页 |
| 4.3.2 算法实验分析 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 硕士期间研究成果 | 第56-57页 |
