基于复合核的相关向量机高光谱图像分类
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 图目录 | 第10-11页 |
| 表目录 | 第11-12页 |
| 第1章 引言 | 第12-17页 |
| ·研究的背景和意义 | 第12-14页 |
| ·国内外的研究现状 | 第14-15页 |
| ·本文研究的主要内容 | 第15-17页 |
| 第2章 高光谱图像分类理论及相关向量机模型 | 第17-25页 |
| ·高光谱图像 | 第17页 |
| ·高光谱图像分类理论 | 第17-18页 |
| ·高光谱分类评价 | 第18-19页 |
| ·相关向量机模型 | 第19-25页 |
| 第3章 相关向量机算法 | 第25-33页 |
| ·回归算法 | 第25页 |
| ·分类算法 | 第25-27页 |
| ·改进型相关向量机 | 第27-30页 |
| ·算法介绍 | 第27-29页 |
| ·算法流程 | 第29-30页 |
| ·实验结果与分析 | 第30-33页 |
| 第4章 基于复合核的相关向量机高光谱图像分类算法 | 第33-39页 |
| ·算法的提出 | 第33页 |
| ·Mercer核函数 | 第33-35页 |
| ·Mercer核 | 第33-34页 |
| ·常用核函数形式 | 第34-35页 |
| ·复合核 | 第35-37页 |
| ·基于复合核的相关向量机高光谱图像分类算法 | 第37-39页 |
| 第5章 实验结果与分析 | 第39-49页 |
| ·实验设置 | 第39-40页 |
| ·AVIRIS数据结果 | 第40-42页 |
| ·Pavia大学数据结果 | 第42-49页 |
| 第6章 结果与展望 | 第49-51页 |
| ·总结 | 第49页 |
| ·展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 致谢 | 第56页 |
