| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 论文选题的背景及意义 | 第9-10页 |
| 1.2 国内外的研究现状及存在问题 | 第10-13页 |
| 1.3 论文的主要内容及重点 | 第13页 |
| 1.4 论文的内容结构安排 | 第13-14页 |
| 第二章 独立分量分析 | 第14-27页 |
| 2.1 数学基础 | 第14-18页 |
| 2.1.1 概率论与数理统计知识 | 第14-15页 |
| 2.1.2 信息论知识 | 第15-18页 |
| 2.2 ICA的基本原理 | 第18-21页 |
| 2.2.1 ICA的定义 | 第18页 |
| 2.2.2 ICA的数学模型 | 第18-20页 |
| 2.2.3 ICA的求解约束及不确定性 | 第20-21页 |
| 2.3 ICA的一般求解过程 | 第21-26页 |
| 2.3.1 预处理 | 第21-22页 |
| 2.3.2 目标函数选择 | 第22-25页 |
| 2.3.3 学习算法选择 | 第25-26页 |
| 本章小结 | 第26-27页 |
| 第三章 FastICA及其改进算法的研究 | 第27-48页 |
| 3.1 信息极大化（Infomax）算法 | 第27-29页 |
| 3.2 ICA的拓展算法 | 第29-31页 |
| 3.2.1 约束ICA算法 | 第29-30页 |
| 3.2.2 核ICA算法 | 第30-31页 |
| 3.3 FastICA算法 | 第31-38页 |
| 3.3.1 基于峭度的FastICA算法 | 第32-34页 |
| 3.3.2 基于负熵的FastICA算法 | 第34-38页 |
| 3.4 改进的FastICA算法 | 第38-43页 |
| 3.4.1 基于峭度的FastICA改进算法 | 第38-40页 |
| 3.4.2 基于负熵的FastICA改进算法 | 第40-43页 |
| 3.5 实验与分析 | 第43-47页 |
| 本章小结 | 第47-48页 |
| 第四章 FastICA在高光谱遥感中的应用研究 | 第48-68页 |
| 4.1 高光谱遥感特性分析 | 第48-50页 |
| 4.1.1 高光谱遥感影像的数据表示 | 第48-49页 |
| 4.1.2 高光谱遥感影像的数据特征 | 第49-50页 |
| 4.2 高光谱遥感数据降维技术 | 第50-58页 |
| 4.2.1 高光谱降维的必要性 | 第50-51页 |
| 4.2.2 基于特征选择的降维方法 | 第51页 |
| 4.2.3 基于特征提取的降维方法 | 第51-52页 |
| 4.2.4 基于M-Fast ICA的高光谱影像降维 | 第52-54页 |
| 4.2.5 实验及其分析 | 第54-58页 |
| 4.3 基于M-Fast ICA算法的高光谱影像小目标探测 | 第58-67页 |
| 4.3.1 高光谱图像小目标探测的基础 | 第58-59页 |
| 4.3.2 高光谱图像目标探测方法 | 第59-60页 |
| 4.3.3 基于M-Fast ICA的小目标探测技术 | 第60-62页 |
| 4.3.4 实验及其分析 | 第62-67页 |
| 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 作者简历 | 第74页 |
