| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 图目录 | 第8-9页 |
| 表目录 | 第9-10页 |
| 第一章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10-12页 |
| ·高光谱遥感图像异常检测研究现状 | 第12-15页 |
| ·主动学习研究现状 | 第15-16页 |
| ·主要研究内容 | 第16-18页 |
| 第二章 高光谱图像异常检测基本理论 | 第18-25页 |
| ·高光谱遥感图像数据的描述方式 | 第18-22页 |
| ·高光谱图像数据特性 | 第22页 |
| ·高光谱图像异常检测理论知识 | 第22-24页 |
| ·异常检测的概念 | 第23-24页 |
| ·异常检测算法性能的判定方法 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于主动学习的SVDD异常检测 | 第25-40页 |
| ·SVDD异常检测算法 | 第25-32页 |
| ·核参数σ估算方法 | 第26-29页 |
| ·寻找最优超球 | 第29-30页 |
| ·引入松弛变量 | 第30页 |
| ·解决优化问题 | 第30-32页 |
| ·主动学习算法思想 | 第32-34页 |
| ·主动学习的样本选择策略 | 第33-34页 |
| ·基于主动学习的SVDD异常检测算法 | 第34-35页 |
| ·仿真实验及结果分析 | 第35-38页 |
| ·仿真数据生成 | 第35-36页 |
| ·仿真数据实验结果分析 | 第36-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 结合邻域聚类分割的主动学习SVDD异常检测 | 第40-46页 |
| ·邻域聚类分割 | 第40-41页 |
| ·结合邻域聚类分割的主动学习SVDD异常检测算法 | 第41-42页 |
| ·实验及结果分析 | 第42-44页 |
| ·仿真数据实验结果及分析 | 第42-43页 |
| ·AVIRIS数据实验及结果分析 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第五章 结束语 | 第46-48页 |
| ·总结 | 第46页 |
| ·创新点 | 第46-47页 |
| ·展望 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 致谢 | 第53页 |