核空间联合稀疏表示高光谱图像分类及GPU实现
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 高光谱图像分类研究现状 | 第12页 |
| 1.2.2 稀疏表示研究现状 | 第12-13页 |
| 1.2.3 GPU高性能运算研究现状 | 第13-14页 |
| 1.3 论文主要内容及结构安排 | 第14-16页 |
| 第2章 高光谱图像分类及稀疏表示基础理论 | 第16-25页 |
| 2.1 高光谱图像分类基础 | 第16-20页 |
| 2.1.1 高光谱图像数据特性 | 第16-17页 |
| 2.1.2 高光谱图像分类难点 | 第17-18页 |
| 2.1.3 高光谱图像分类技术流程 | 第18-19页 |
| 2.1.4 高光谱图像分类方法性能评估 | 第19-20页 |
| 2.2 稀疏表示理论 | 第20-24页 |
| 2.2.1 稀疏表示分类模型 | 第20-22页 |
| 2.2.2 稀疏表示系数求解 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 加权核空间联合稀疏表示分类模型 | 第25-43页 |
| 3.1 加权过程 | 第25-29页 |
| 3.1.1 联合稀疏表示分类模型 | 第25-27页 |
| 3.1.2 加权联合稀疏表示分类模型 | 第27-29页 |
| 3.2 核变换过程 | 第29-33页 |
| 3.2.1 核方法 | 第29-31页 |
| 3.2.2 加权核空间联合稀疏表示分类模型 | 第31-33页 |
| 3.3 实验仿真及结果分析 | 第33-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 WKJSRC模型并行实现 | 第43-61页 |
| 4.1 GPU体系架构及CUDA编程平台 | 第43-49页 |
| 4.1.1 GPU硬件架构 | 第43-45页 |
| 4.1.2 GPU存储体系 | 第45-46页 |
| 4.1.3 CUDA编程模型 | 第46-48页 |
| 4.1.4 CUDA编程方法 | 第48-49页 |
| 4.2 加权核空间联合稀疏表示分类模型并行优化 | 第49-55页 |
| 4.2.1 复杂度分析 | 第49-50页 |
| 4.2.2 并行化方案 | 第50-55页 |
| 4.3 实验仿真及结果分析 | 第55-60页 |
| 4.4 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第70页 |
