基于集成学习的高光谱遥感影像分类
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-8页 |
| Extended Abstract | 第8-15页 |
| 图清单 | 第15-18页 |
| 表清单 | 第18-20页 |
| 名词注释表 | 第20-21页 |
| 1 绪论 | 第21-32页 |
| ·研究背景与选题依据 | 第21-23页 |
| ·相关领域的研究动态 | 第23-29页 |
| ·研究内容和技术路线 | 第29-30页 |
| ·论文结构 | 第30-32页 |
| 2 基于集成学习的高光谱影像分类理论与策略 | 第32-42页 |
| ·集成学习理论基础 | 第33-35页 |
| ·基于集成学习的高光谱影像分类策略 | 第35-39页 |
| ·试验高光谱影像 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 3 基于旋转森林的高光谱影像分类 | 第42-60页 |
| ·引言 | 第42-43页 |
| ·RoF 用于高光谱影像分类的基本原理和方法 | 第43-44页 |
| ·RoF 中的特征提取算法 | 第44-47页 |
| ·试验结果与分析 | 第47-58页 |
| ·本章小结 | 第58-60页 |
| 4 基于监督/半监督特征提取与集成学习的分类 | 第60-89页 |
| ·引言 | 第60页 |
| ·高光谱遥感影像特征提取算法概述 | 第60-64页 |
| ·监督/半监督概率主成分分析 | 第64-68页 |
| ·监督/半监督特征提取集成分类策略 | 第68-72页 |
| ·试验结果与分析 | 第72-87页 |
| ·本章小结 | 第87-89页 |
| 5 光谱-空间特征集成的高光谱影像分类 | 第89-108页 |
| ·图像分割 | 第89-95页 |
| ·马尔科夫随机场模型 | 第95-96页 |
| ·试验结果与分析 | 第96-107页 |
| ·本章小结 | 第107-108页 |
| 6 高光谱影像集成学习分类系统 | 第108-119页 |
| ·研制背景与目的 | 第108页 |
| ·系统主要功能 | 第108-110页 |
| ·主要模块 | 第110-115页 |
| ·系统应用—以城市不透水面分析为例 | 第115-118页 |
| ·本章小结 | 第118-119页 |
| 7 结论与展望 | 第119-122页 |
| ·结论 | 第119-120页 |
| ·主要创新点 | 第120页 |
| ·展望 | 第120-122页 |
| 参考文献 | 第122-134页 |
| 作者简历 | 第134-138页 |
| 学位论文数据集 | 第138页 |
