基于核机器学习的高光谱异常目标检测算法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-35页 |
| ·课题背景 | 第13-21页 |
| ·遥感技术概述 | 第13-14页 |
| ·高光谱遥感概述 | 第14-20页 |
| ·课题目的与意义 | 第20-21页 |
| ·高光谱异常检测概述及发展现状 | 第21-29页 |
| ·光谱匹配目标检测 | 第24-26页 |
| ·异常检测 | 第26-29页 |
| ·核机器学习简介 | 第29-32页 |
| ·机器学习发展历程 | 第29-30页 |
| ·核方法及其应用 | 第30-32页 |
| ·论文研究内容与结构 | 第32-35页 |
| 第2章 高光谱异常检测理论与核机器学习理论 | 第35-50页 |
| ·引言 | 第35页 |
| ·高光谱异常检测理论 | 第35-41页 |
| ·高光谱图像特性与描述 | 第35-38页 |
| ·广义似然比检测与RX算子 | 第38-41页 |
| ·核机器学习理论 | 第41-49页 |
| ·统计学习理论 | 第41-44页 |
| ·核函数 | 第44-48页 |
| ·常用核函数 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第3章 基于核独立分量分析的非线性特征提取 | 第50-75页 |
| ·引言 | 第50页 |
| ·独立分量分析 | 第50-54页 |
| ·ICA的数学模型 | 第50-52页 |
| ·ICA的预处理 | 第52-53页 |
| ·非高斯性最大化 | 第53-54页 |
| ·基于非线性独立特征提取的高光谱图像异常检测 | 第54-61页 |
| ·特征空间白化 | 第55-58页 |
| ·非线性独立特征提取 | 第58-60页 |
| ·非线性独立特征优化选择 | 第60-61页 |
| ·仿真实验与结果分析 | 第61-74页 |
| ·模拟数据试验 | 第62-63页 |
| ·真实高光谱数据实验 | 第63-74页 |
| ·本章小结 | 第74-75页 |
| 第4章 基于空域滤波的核RX高光谱异常检测算法 | 第75-87页 |
| ·引言 | 第75-76页 |
| ·核RX异常检测算法 | 第76-80页 |
| ·基于空域滤波的核RX异常检测算法 | 第80-83页 |
| ·仿真实验与结果分析 | 第83-86页 |
| ·本章小结 | 第86-87页 |
| 第5章 自适应核高光谱异常检测算法 | 第87-103页 |
| ·引言 | 第87页 |
| ·支持向量数据描述方法 | 第87-91页 |
| ·线性支持向量数据描述 | 第88-89页 |
| ·特征空间支持向量数据描述 | 第89-91页 |
| ·自适应核参数估计 | 第91-97页 |
| ·仿真实验与结果分析 | 第97-102页 |
| ·本章小结 | 第102-103页 |
| 第6章 光谱相似度量核及其在异常检测中的应用 | 第103-122页 |
| ·引言 | 第103页 |
| ·核函数与特征空间 | 第103-105页 |
| ·特征空间的点积 | 第103-104页 |
| ·高斯径向基核的局限性 | 第104-105页 |
| ·光谱相似度量核函数 | 第105-117页 |
| ·光谱相似度量核的提出 | 第106-108页 |
| ·光谱相似度量核的性质 | 第108-109页 |
| ·光谱相似度量核在高光谱异常检测中的应用 | 第109-117页 |
| ·基于光谱相似度量核的混合核函数 | 第117-121页 |
| ·光谱相似度量核与高斯径向基核混合核函数 | 第117-118页 |
| ·仿真实验与结果分析 | 第118-121页 |
| ·本章小结 | 第121-122页 |
| 结论 | 第122-125页 |
| 参考文献 | 第125-144页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第144-145页 |
| 致谢 | 第145页 |
