| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景与意义 | 第8-11页 |
| ·大尺度高光谱图像的降维和分类 | 第9-10页 |
| ·空中手写识别 | 第10-11页 |
| ·国内外研究现状、研究成果 | 第11-13页 |
| ·流形学习在高光谱图像处理中的应用 | 第11-12页 |
| ·流形学习在空中手写识别中的应用 | 第12-13页 |
| ·论文主要内容与结构 | 第13-15页 |
| 第二章 流形学习算法理论 | 第15-23页 |
| ·流形 | 第15-16页 |
| ·流行学习 | 第16-19页 |
| ·等距映射(ISOMAP) | 第17-18页 |
| ·局部线性嵌入(LLE) | 第18-19页 |
| ·流形学习算法在应用中遇到的主要问题 | 第19-22页 |
| ·本征维数估计 | 第19页 |
| ·噪声干扰 | 第19-20页 |
| ·近邻点的选择 | 第20-22页 |
| ·样本外点的学习问题 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第三章 一种改进的大尺度高光谱流形降维算法 | 第23-36页 |
| ·引言 | 第23-24页 |
| ·ISOMAP、LLE在大尺度高光谱图像降维中的问题 | 第24页 |
| ·IISOMAP在大尺度高光谱图像降维中的问题 | 第24-26页 |
| ·IISOMAP-LLE算法 | 第26-30页 |
| ·使用IISOMAP估算大尺度高光谱图像的全局流形坐标系 | 第27-28页 |
| ·以Backbone低维流形坐标系为基准在局部对光谱类LLE权值重构嵌入 | 第28-30页 |
| ·实验及结论 | 第30-35页 |
| ·AVIRIS数据实验 | 第30-32页 |
| ·OMIS-Ⅱ数据实验 | 第32-34页 |
| ·JM距离与本征维数关系实验 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于ISODATA和遗传算法的大尺度高光谱流形降维算法 | 第36-47页 |
| ·引言 | 第36页 |
| ·基于ISODATA的Backbone采样策略 | 第36-38页 |
| ·基于遗传算法的K邻域选取策略 | 第38-41页 |
| ·实验与结论 | 第41-46页 |
| ·AVIRIS实验 | 第41-43页 |
| ·OMIS-Ⅱ实验 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于流形学习的空中手写识别系统 | 第47-56页 |
| ·引言 | 第47页 |
| ·设计方案 | 第47-50页 |
| ·硬件设计 | 第47-48页 |
| ·软件设计 | 第48-50页 |
| ·工作原理 | 第50-52页 |
| ·基于流形学习的轨迹降维算法 | 第52-53页 |
| ·实验验证及结论 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61页 |
| 研究生期间的学术论文和科研项目 | 第61页 |
