面向高光谱图像空谱分类的学习算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-27页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 统计学习概论 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-20页 |
| 1.4 高光谱图像数据库 | 第20-22页 |
| 1.5 分类性能评价指标 | 第22-24页 |
| 1.6 研究内容和目标 | 第24-26页 |
| 1.7 本文的组织结构 | 第26-27页 |
| 2 基于空谱信息的复合核判别分析算法研究 | 第27-63页 |
| 2.1 引言 | 第27页 |
| 2.2 高斯加权局部均值算子 | 第27-29页 |
| 2.3 判别分析算法研究 | 第29-43页 |
| 2.4 算法框架 | 第43-44页 |
| 2.5 实验结果与分析 | 第44-61页 |
| 2.6 本章小结 | 第61-63页 |
| 3 基于空谱信息的特征排序算法研究 | 第63-77页 |
| 3.1 引言 | 第63-64页 |
| 3.2 盒子特征平滑排序 | 第64-67页 |
| 3.3 一维插位 | 第67-68页 |
| 3.4 半监督学习的空谱分类框架 | 第68-69页 |
| 3.5 实验结果与分析 | 第69-75页 |
| 3.6 本章小结 | 第75-77页 |
| 4 基于空谱信息的组合学习算法研究 | 第77-92页 |
| 4.1 引言 | 第77-78页 |
| 4.2 样本分离方案 | 第78-81页 |
| 4.3 监督学习的空谱分类 | 第81-83页 |
| 4.4 模型分析 | 第83-85页 |
| 4.5 实验结果与分析 | 第85-91页 |
| 4.6 本章小结 | 第91-92页 |
| 5 总结与展望 | 第92-94页 |
| 5.1 全文总结 | 第92-93页 |
| 5.2 研究展望 | 第93-94页 |
| 致谢 | 第94-95页 |
| 参考文献 | 第95-107页 |
| 附录1 攻读博士学位期间发表的学术论文 | 第107-108页 |
| 附录2 公开发表的学术论文与博士学位论文的关系 | 第108-109页 |
| 附录3 攻读博士学位期间参与项目情况 | 第109页 |
