基于半监督学习的遥感图像分类研究
摘要 | 第1-5页 |
Abstract | 第5-7页 |
目录 | 第7-9页 |
第1章 绪论 | 第9-17页 |
·引言 | 第9-10页 |
·遥感图像分类技术的研究现状及发展趋势 | 第10-15页 |
·非监督分类 | 第10-12页 |
·监督分类 | 第12-14页 |
·半监督分类 | 第14-15页 |
·论文的研究内容及组织 | 第15-17页 |
·论文的设计思路及研究内容 | 第15-16页 |
·论文的组织结构 | 第16-17页 |
第2章 半监督学习 | 第17-25页 |
·引言 | 第17页 |
·半监督学习的研究现状 | 第17-18页 |
·半监督学习 | 第18-24页 |
·半监督学习的数学描述 | 第18-19页 |
·半监督学习中的两个基本假设 | 第19-20页 |
·几种半监督学习算法 | 第20-24页 |
·本章小结 | 第24-25页 |
第3章 一种基于多分类器的半监督分类方法 | 第25-37页 |
·引言 | 第25页 |
·统计学习理论和支持向量机 | 第25-29页 |
·统计学习理论 | 第26-27页 |
·支持向量机的分类 | 第27-29页 |
·基于多分类器的半监督分类方法 | 第29-30页 |
·实验结果与分析 | 第30-32页 |
·半监督的遥感图像分类实验 | 第32-34页 |
·本章小结 | 第34-37页 |
第4章 基于直推式支持向量机的遥感图像分类 | 第37-49页 |
·直推式学习 | 第37-38页 |
·直推式支持向量机 | 第38-40页 |
·实验结果与分析 | 第40-43页 |
·基于TSVM的遥感图像分类 | 第43-46页 |
·本章小结 | 第46-49页 |
第5章 结论与展望 | 第49-51页 |
·结论 | 第49页 |
·展望 | 第49-51页 |
参考文献 | 第51-59页 |
致谢 | 第59-61页 |
攻读硕士学位期间研究成果 | 第61页 |