基于支持向量机的超谱图像分类技术研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-31页 |
| ·课题背景及研究的目的意义 | 第12-14页 |
| ·超谱图像的特点 | 第14-19页 |
| ·超谱数据特点及表现形式 | 第14-17页 |
| ·超谱遥感与多光谱遥感的区别与联系 | 第17-19页 |
| ·相关技术的研究现状及分析 | 第19-30页 |
| ·硬分类技术发展综述 | 第19-26页 |
| ·软分类技术发展综述 | 第26-29页 |
| ·SVM理论发展综述 | 第29-30页 |
| ·论文的主要研究内容及结构安排 | 第30-31页 |
| 第2章 超谱数据预处理技术 | 第31-50页 |
| ·引言 | 第31-33页 |
| ·基于相似特征逐步删除的无监督波段选择方法 | 第33-38页 |
| ·特征相似尺度 | 第33-34页 |
| ·波段选择方法 | 第34-35页 |
| ·波段选择方法效果验证 | 第35-38页 |
| ·基于高斯滤波的超谱图像预处理技术 | 第38-49页 |
| ·高斯低通滤波原理 | 第38-40页 |
| ·高斯低通滤波器的空域实现 | 第40-41页 |
| ·基于高斯低通滤波的分类器设计 | 第41-42页 |
| ·高斯低通滤波方法效果验证 | 第42-49页 |
| ·本章小结 | 第49-50页 |
| 第3章 SVM基本理论研究 | 第50-65页 |
| ·引言 | 第50页 |
| ·SVM理论研究 | 第50-62页 |
| ·理论基础 | 第50-54页 |
| ·SVM分类原理 | 第54-61页 |
| ·SVM主要实现技术及主要特点 | 第61-62页 |
| ·SVM硬分类性能评价 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 支持向量机理论的提升及在硬分类中的应用 | 第65-81页 |
| ·引言 | 第65页 |
| ·分类前模糊聚类方法的应用 | 第65-70页 |
| ·构造方法 | 第65-67页 |
| ·性能评价 | 第67-70页 |
| ·训练过程中加权方法的应用 | 第70-74页 |
| ·构造方法 | 第70-72页 |
| ·性能评价 | 第72-74页 |
| ·初次训练后的二次训练方法 | 第74-80页 |
| ·二次训练方法的提出和实现 | 第74-75页 |
| ·性能评价 | 第75-80页 |
| ·本章小结 | 第80-81页 |
| 第5章 基于支持向量机的软分类技术 | 第81-97页 |
| ·引言 | 第81-82页 |
| ·基于SVM的光谱分离原理 | 第82-88页 |
| ·基于LSMM的光谱分离方法 | 第82-85页 |
| ·线性SVM与LSMM两种光谱分离模型的等效性 | 第85-87页 |
| ·基于非线性SVM的光谱分离 | 第87-88页 |
| ·基于SVM的光谱分离性能评价 | 第88-91页 |
| ·线性SVM的光谱分离效果 | 第88-89页 |
| ·非线性SVM的光谱分离效果 | 第89-91页 |
| ·光谱分离中相关类别子集的选择 | 第91-96页 |
| ·基于相关类别的光谱分离方法 | 第91-92页 |
| ·基于感兴趣类别的光谱分离方法 | 第92-93页 |
| ·性能评价 | 第93-96页 |
| ·本章小结 | 第96-97页 |
| 结论 | 第97-99页 |
| 参考文献 | 第99-112页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第112-113页 |
| 致谢 | 第113-114页 |
| 个人简历 | 第114页 |
