基于字典学习的无监督迁移聚类及其在SAR图像分割中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景及意义 | 第8-10页 |
| ·迁移学习思想及其发展现状 | 第8-10页 |
| ·迁移学习应用于图像分割意义 | 第10页 |
| ·图像分割技术 | 第10-13页 |
| ·SAR图像分割意义 | 第10-11页 |
| ·SAR图像分割方法 | 第11-13页 |
| ·无监督迁移聚类及其在SAR图像分割中的应用 | 第13页 |
| ·论文结构安排 | 第13-16页 |
| 第二章 数据稀疏表示字典学习方法 | 第16-20页 |
| ·引言 | 第16-17页 |
| ·数据稀疏表示字典学习基本方法 | 第17-19页 |
| ·稀疏表示基本含义 | 第17页 |
| ·OMP算法 | 第17-18页 |
| ·K-SVD算法 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 基于字典学习的无监督样本迁移聚类 | 第20-34页 |
| ·引言 | 第20-21页 |
| ·相关工作 | 第21-22页 |
| ·基于字典学习的无监督样本迁移聚类算法 | 第22-25页 |
| ·算法基本思想 | 第22-23页 |
| ·算法流程 | 第23-25页 |
| ·仿真实验及结果分析 | 第25-32页 |
| ·纹理图像分割 | 第25-28页 |
| ·SAR图像分割 | 第28-32页 |
| ·本章小结 | 第32-34页 |
| 第四章 基于字典学习的无监督特征迁移聚类 | 第34-52页 |
| ·引言 | 第34-35页 |
| ·基于字典学习的无监督特征迁移聚类算法 | 第35-37页 |
| ·算法基本思想 | 第35页 |
| ·目标任务判别性原子获得方法 | 第35-36页 |
| ·算法流程 | 第36-37页 |
| ·仿真实验及结果分析 | 第37-49页 |
| ·纹理图像分割 | 第37-41页 |
| ·算法收敛性验证试验 | 第41-42页 |
| ·算法抗噪声性能验证试验 | 第42-45页 |
| ·SAR图像分割 | 第45-47页 |
| ·源域选择影响的验证试验 | 第47-49页 |
| ·本章小结 | 第49-52页 |
| 第五章 迁移稀疏动态集成选择 | 第52-62页 |
| ·引言 | 第52-53页 |
| ·稀疏动态集成选择算法 | 第53-57页 |
| ·算法基本思想 | 第53-54页 |
| ·算法流程 | 第54页 |
| ·UCI数据实验结果及分析 | 第54-57页 |
| ·迁移稀疏动态集成选择算法 | 第57-61页 |
| ·算法基本思想 | 第57-58页 |
| ·算法流程 | 第58页 |
| ·SAR图像分割实验结果 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-74页 |
| 硕士期间的学术成果 | 第74页 |
