高光谱图像的数据压缩与分类算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 常用数据压缩算法介绍 | 第15-16页 |
| 1.2.1 特征学习算法 | 第15-16页 |
| 1.2.2 数据约减算法 | 第16页 |
| 1.3 常用分类算法介绍 | 第16-17页 |
| 1.4 主要工作及其内容构成 | 第17-20页 |
| 第二章 基于多层网络架构的数据压缩与分类算法 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 基于kNN的数据选择算法 | 第20-21页 |
| 2.3 基于多层网络架构的数据约减算法 | 第21-26页 |
| 2.3.1 算法简介 | 第21页 |
| 2.3.2 分组策略的思想 | 第21-22页 |
| 2.3.3 数据约减网络的结构 | 第22-23页 |
| 2.3.4 数据约减算法的实现 | 第23-25页 |
| 2.3.5 算法流程 | 第25-26页 |
| 2.4 实验内容和分析 | 第26-30页 |
| 2.4.1 评估策略 | 第26页 |
| 2.4.2 UCI数据集上的仿真实验 | 第26-27页 |
| 2.4.3 高光谱数据上的仿真实验 | 第27-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 基于深度网络特征的数据压缩与分类算法 | 第32-48页 |
| 3.1 引言 | 第32页 |
| 3.2 基于自动编码器的深度网络 | 第32-34页 |
| 3.2.1 自动编码器简介 | 第32-33页 |
| 3.2.2 深度网络建模过程 | 第33-34页 |
| 3.3 基于Softmax分类器的数据压缩算法 | 第34-36页 |
| 3.3.1 Softmax分类器简介 | 第34-35页 |
| 3.3.2 使用Softmax对关键数据进行筛选 | 第35-36页 |
| 3.4 基于深度网络的数据压缩算法实现 | 第36-39页 |
| 3.5 实验与分析 | 第39-47页 |
| 3.5.1 评估标准 | 第39页 |
| 3.5.2 UCI数据集上的仿真实验 | 第39-40页 |
| 3.5.3 高光谱数据上的仿真实验 | 第40-44页 |
| 3.5.4 参数分析 | 第44-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第四章 基于卷积神经网络的高光谱图像分类算法 | 第48-60页 |
| 4.1 引言 | 第48页 |
| 4.2 卷积神经网络算法简介 | 第48-49页 |
| 4.3 卷积神经网络的实现流程 | 第49-52页 |
| 4.4 卷积神经网络在高光谱图像模型下的改进 | 第52-54页 |
| 4.5 实验与分析 | 第54-57页 |
| 4.5.1 实验设计 | 第54页 |
| 4.5.2 高光谱图像上的实验 | 第54-57页 |
| 4.6 本章小结 | 第57-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 作者简介 | 第66页 |
