首页--工业技术论文--无线电电子学、电信技术论文--雷达论文--雷达设备、雷达站论文--雷达接收设备论文--数据、图像处理及录取论文

基于深度SVM和深度小波神经网络的极化SAR影像地物分类

摘要第5-7页
Abstract第7-8页
符号对照表第13-14页
缩略语对照表第14-18页
第一章 绪论第18-26页
    1.1 研究的背景与意义第18-21页
    1.2 极化SAR影像地物分类研究的现状第21-23页
    1.3 本文研究的主要内容及安排第23-26页
第二章 极化SAR的理论基础第26-32页
    2.1 电磁波的表征第26-28页
        2.1.1 椭圆极化波[3]第26-27页
        2.1.2 Jones矢量表示法第27-28页
        2.1.3 Stokes矢量表示法第28页
    2.2 目标极化散射机理及其表示第28-31页
        2.2.1 表面散射模型第29页
        2.2.2 漫散射模型第29-30页
        2.2.3 偶次散射模型第30页
        2.2.4 体散射模型第30页
        2.2.5 协方差矩阵和相干矩阵第30-31页
    2.3 本章小结第31-32页
第三章 基于深度稀疏SVM的极化SAR影像地物分类第32-48页
    3.1 引言第32-33页
    3.2 深度SVM第33-36页
        3.2.1 SVM分类模型第33-34页
        3.2.2 深度SVM分类模型第34-36页
    3.3 深度稀疏SVM第36-41页
        3.3.1 稀疏LS-SVM分类模型第36-39页
        3.3.2 深度稀疏LS-SVM分类模型第39-41页
    3.4 实验结果及其分析第41-46页
        3.4.1 1989年Flvoland农田极化SAR数据处理结果第41-43页
        3.4.2 1991年Flvoland农田极化SAR数据处理结果第43-46页
        3.4.3 实验分析第46页
    3.5 本章小结第46-48页
第四章 基于协同深度SVM的极化SAR影像地物分类第48-60页
    4.1 引言第48页
    4.2 协同训练第48-52页
    4.3 基于协同深度SVM的分类方法第52-53页
        4.3.1 算法简介第52页
        4.3.2 算法实现的基本步骤第52-53页
    4.4 实验结果及其分析第53-58页
        4.4.1 1989年Flvoland农田极化SAR数据处理结果第54-56页
        4.4.2 1991年Flvoland农田极化SAR数据处理结果第56-58页
        4.4.3 实验分析第58页
    4.5 本章小结第58-60页
第五章 基于深度小波核SVM的极化SAR影像地物分类第60-72页
    5.1 引言第60页
    5.2 小波核SVM第60-63页
        5.2.1 核函数的条件第61页
        5.2.2 小波分析第61-62页
        5.2.3 小波核和小波核SVM第62-63页
    5.3 深度小波核SVM第63-65页
        5.3.1 算法简介第63-64页
        5.3.2 算法实现的步骤第64-65页
    5.4 实验结果及其分析第65-69页
        5.4.1 1989年Flvoland农田极化SAR数据处理结果第65-67页
        5.4.2 1991年Flvoland农田极化SAR数据处理结果第67-69页
        5.4.3 实验分析第69页
    5.5 本章小结第69-72页
第六章 基于深度小波神经网络的极化SAR影像地物分类第72-86页
    6.1 引言第72-73页
    6.2 小波神经网络第73-75页
        6.2.1 小波变换第73页
        6.2.2 小波神经网络的结构第73-74页
        6.2.3 小波神经网络的训练第74-75页
    6.3 SAE网络第75-78页
    6.4 深度小波神经网络第78-80页
        6.4.1 算法简介第78-79页
        6.4.2 算法实现步骤第79-80页
    6.5 实验结果及其分析第80-85页
        6.5.1 1989年Flvoland农田极化SAR数据处理结果第80-82页
        6.5.2 1991年Flvoland农田极化SAR数据处理结果第82-84页
        6.5.3 实验分析第84-85页
    6.6 本章小结第85-86页
第七章 总结与展望第86-88页
参考文献第88-92页
致谢第92-94页
作者简介第94-95页
    1、基本情况第94页
    2、教育背景第94页
    3、攻读硕士学位期间的研究成果第94-95页

论文共95页,点击 下载论文
上一篇:基于衰落信道的数字喷泉码仿真及优化
下一篇:基于空谱联合的高光谱图像分类研究