| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景与意义 | 第9-14页 |
| ·高光谱遥感图像技术 | 第9-11页 |
| ·高光谱遥感图像的应用领域 | 第11-12页 |
| ·高光谱遥感图像的波段选择和分类的意义 | 第12-14页 |
| ·论文的主要工作和安排 | 第14-17页 |
| 第二章 特征选择方法综述 | 第17-27页 |
| ·特征选择方法概述 | 第17-18页 |
| ·常见的几种特征选择方法 | 第18-24页 |
| ·根据搜索策略划分的特征选择方法 | 第18-21页 |
| ·根据评价准则函数划分的特征选择方法 | 第21-24页 |
| ·现有高光谱图像的波段选择现状 | 第24页 |
| ·本章小结 | 第24-27页 |
| 第三章 基于离散量子粒子群算法的高光谱图像波段选择方法 | 第27-45页 |
| ·引言 | 第27-28页 |
| ·粒子群算法 | 第28-29页 |
| ·二进制粒子群算法 | 第29页 |
| ·离散量子粒子群算法 | 第29-33页 |
| ·量子粒子群算法 | 第29-31页 |
| ·离散量子粒子群算法 | 第31-33页 |
| ·基于离散量子粒子群的高光谱图像波段选择 | 第33-35页 |
| ·量子粒子群算法中粒子的表示 | 第33页 |
| ·波段子集的评价函数 | 第33-34页 |
| ·基于 DQPSO 的高光谱图像波段选择 | 第34-35页 |
| ·实验结果和分析 | 第35-44页 |
| ·0-1 背包组合优化 | 第35-36页 |
| ·高光谱数据集的描述 | 第36-38页 |
| ·高光谱数据集的上的自适应波段选择 | 第38-43页 |
| ·权重系数 c 值的讨论 | 第43页 |
| ·运行时间分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于分层聚类和多变量互信息的波段选择 | 第45-61页 |
| ·引言 | 第45页 |
| ·信息熵理论与常见的互信息特征选择方法 | 第45-48页 |
| ·信息熵理论 | 第45-46页 |
| ·常见的基于互信息的特征选择方法 | 第46-48页 |
| ·基于分层聚类和多变量互信息的特征选择 | 第48-52页 |
| ·凝聚式分层聚类算法 | 第49-50页 |
| ·基于多变量互信息的波段间不相似度评价准则 | 第50-51页 |
| ·波段的选择 | 第51-52页 |
| ·实验结果和分析 | 第52-59页 |
| ·AVIRIS Indian Pine 图像数据上的波段选择 | 第52-54页 |
| ·ROSIS Pavia University 图像数据上的波段选择 | 第54-55页 |
| ·波段选择的效果评价与分析 | 第55-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 基于粒子群的半监督分类方法 | 第61-73页 |
| ·引言 | 第61页 |
| ·相关算法 | 第61-63页 |
| ·K 近邻分类算法 | 第61-62页 |
| ·基于粒子群的监督式分类算法 | 第62-63页 |
| ·基于粒子群的半监督分类方法 | 第63-65页 |
| ·粒子的表示 | 第63-64页 |
| ·半监督分类的目标函数 | 第64-65页 |
| ·实验结果与分析 | 第65-71页 |
| ·人工数据集上的分类 | 第65-67页 |
| ·UCI 数据集上的分类 | 第67-68页 |
| ·USPS 手写体数据集上的分类 | 第68-69页 |
| ·高光谱图像上的分类 | 第69-70页 |
| ·参数 对分类性能的影响 | 第70-71页 |
| ·本章小结 | 第71-73页 |
| 第六章 总结和展望 | 第73-75页 |
| ·论文总结 | 第73页 |
| ·展望 | 第73-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-84页 |
| 硕士期间成果 | 第84-85页 |
