基于稀疏表示的高光谱遥感影像半监督降维算法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 1 绪论 | 第14-22页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 相关领域的研究进展 | 第15-19页 |
| 1.3 研究内容与技术路线 | 第19-20页 |
| 1.4 论文组织结构 | 第20-22页 |
| 2 半监督高光谱影像降维理论与方法 | 第22-29页 |
| 2.1 半监督降维算法的理论基础 | 第22-25页 |
| 2.2 稀疏表示的理论技术 | 第25-27页 |
| 2.3 高光谱试验数据 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 基于小波去噪的稀疏表示分类器 | 第29-38页 |
| 3.1 引言 | 第29页 |
| 3.2 稀疏表示分类器原理 | 第29-30页 |
| 3.3 基于小波去噪的稀疏表示分类器原理 | 第30-32页 |
| 3.4 试验与结果分析 | 第32-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 监督稀疏降维算法 | 第38-47页 |
| 4.1 引言 | 第38页 |
| 4.2 监督稀疏降维算法原理 | 第38-41页 |
| 4.3 依据标签信息构建稀疏图理论分析 | 第41-43页 |
| 4.4 试验与结果分析 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 5 基于稀疏表示的半监督高光谱遥感影像降维 | 第47-60页 |
| 5.1 引言 | 第47页 |
| 5.2 增选样本策略 | 第47-49页 |
| 5.3 基于稀疏图的半监督判别分析 | 第49-50页 |
| 5.4 试验与分析 | 第50-58页 |
| 5.5 本章小结 | 第58-60页 |
| 6 结论与展望 | 第60-62页 |
| 6.1 结论 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-68页 |
| 作者简历 | 第68-70页 |
| 学位论文数据集 | 第70页 |
