基于图嵌入框架的高光谱图像降维算法研究
| 学位论文数据集 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 引言 | 第14-15页 |
| 1.2 研究背景及意义 | 第15-21页 |
| 1.2.1 高光谱遥感国内外发展概况 | 第15-16页 |
| 1.2.2 数据降维算法综述 | 第16-19页 |
| 1.2.3 图嵌入降维算法综述 | 第19-20页 |
| 1.2.4 论文的研究意义 | 第20-21页 |
| 1.3 论文的主要研究内容及创新点 | 第21-22页 |
| 1.3.1 论文难点及主要研究内容 | 第21-22页 |
| 1.3.2 论文的创新之处 | 第22页 |
| 1.4 论文结构 | 第22-24页 |
| 第二章 图嵌入框架和相关算法 | 第24-32页 |
| 2.1 图嵌入框架及其分析 | 第24-29页 |
| 2.1.1 图嵌入框架 | 第24-26页 |
| 2.1.2 图嵌入的线性拓展 | 第26页 |
| 2.1.3 图嵌入总结部分流形算法 | 第26-29页 |
| 2.2 图嵌入框架最新算法 | 第29-31页 |
| 2.2.1 稀疏图判别分析(SGDA) | 第30页 |
| 2.2.2 协同图判别分析(CGDA) | 第30-31页 |
| 2.2.3 低秩图判别分析(LGDA) | 第31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 基于谱间相似性的图嵌入降维 | 第32-48页 |
| 3.1 常见构图方法 | 第32-34页 |
| 3.2 谱间相似性构图方法 | 第34-37页 |
| 3.2.1 谱间相似性评估 | 第34-35页 |
| 3.2.2 基于谱间相似性图嵌入判别分析 | 第35-36页 |
| 3.2.3 参数分析 | 第36-37页 |
| 3.3 实验内容和分析 | 第37-47页 |
| 3.3.1 高光谱数据介绍 | 第37-38页 |
| 3.3.2 数据实验和分析 | 第38-46页 |
| 3.3.3 算法鲁棒性测试 | 第46-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第四章 基于局部保持和低秩表示结合的图嵌入降维 | 第48-62页 |
| 4.1 局部保持低秩图判别分析算法 | 第48-51页 |
| 4.1.1 算法背景介绍 | 第48页 |
| 4.1.2 局部保持低秩图判别分析 | 第48-49页 |
| 4.1.3 算法推导及其求解 | 第49-51页 |
| 4.2 试验内容和分析 | 第51-60页 |
| 4.2.1 高光谱数据介绍 | 第51-52页 |
| 4.2.2 数据实验和分析 | 第52-60页 |
| 4.2.3 算法复杂性对比 | 第60页 |
| 4.3 本章小结 | 第60-62页 |
| 第五章 基于多图融合的图嵌入降维 | 第62-74页 |
| 5.1 算法原理介绍 | 第62-66页 |
| 5.1.1 特征级多图融合 | 第62-65页 |
| 5.1.2 决策级多图融合 | 第65-66页 |
| 5.2 实验结果和分析 | 第66-72页 |
| 5.3 本章小结 | 第72-74页 |
| 第六章 结论与展望 | 第74-76页 |
| 6.1 结论 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 研究成果及发表的学术论文 | 第82-84页 |
| 作者和导师简介 | 第84-86页 |
| 硕士研究生学位论文答辩委员会决议书 | 第86-87页 |
