基于主动深度学习的遥感图像分类
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究目的及意义 | 第10-11页 |
| 1.2 常用的遥感图像分类方法 | 第11-12页 |
| 1.3 主动学习简介 | 第12-13页 |
| 1.4 深度学习简介 | 第13-14页 |
| 1.4.1 国内外现状 | 第14页 |
| 1.5 本文主要研究工作和创新点 | 第14-15页 |
| 1.6 论文组织结构 | 第15-17页 |
| 第2章 分类算法相关理论基础 | 第17-25页 |
| 2.1 从浅层学习到深层学习 | 第17-18页 |
| 2.2 浅层学习——支持向量机 | 第18-21页 |
| 2.2.1 线性分类方法 | 第19-20页 |
| 2.2.2 非线性分类方法 | 第20-21页 |
| 2.2.3 核函数介绍 | 第21页 |
| 2.3 深层学习——稀疏自编码模型 | 第21-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于主动学习的稀疏自编码算法 | 第25-40页 |
| 3.1 主动学习模型 | 第25-30页 |
| 3.1.1 主动学习基本框架 | 第26-27页 |
| 3.1.2 主动学习的样本采样策略 | 第27-29页 |
| 3.1.3 nEQB采样策略 | 第29-30页 |
| 3.2 基于主动学习的SVM算法流程设计 | 第30-32页 |
| 3.3 稀疏自编码模型 | 第32-37页 |
| 3.3.1 自编码结构 | 第32-33页 |
| 3.3.2 稀疏自编码结构 | 第33页 |
| 3.3.3 堆栈稀疏自编码网络结构 | 第33-37页 |
| 3.4 基于主动学习的稀疏自编码算法 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 实验结果与仿真分析 | 第40-59页 |
| 4.1 实验数据 | 第40-43页 |
| 4.2 仿真实验 | 第43-47页 |
| 4.2.1 Pavia U数据集上的实验结果 | 第43-45页 |
| 4.2.2 Pavia数据集上的实验结果 | 第45-46页 |
| 4.2.3 Salinas数据集上的实验结果 | 第46-47页 |
| 4.3 实验结果图 | 第47-54页 |
| 4.4 分类结果实物图 | 第54-58页 |
| 4.5 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第65-66页 |
| 致谢 | 第66页 |
