基于卷积神经网络的遥感图像分类算法研究
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究目的和意义 | 第11-12页 |
| 1.2 遥感图像分类概述 | 第12-15页 |
| 1.2.1 遥感图像分类问题 | 第12页 |
| 1.2.2 遥感图像分类方法 | 第12-13页 |
| 1.2.3 国内外研究现状 | 第13-15页 |
| 1.3 论文主要的研究内容 | 第15-16页 |
| 1.4 论文章节安排 | 第16-17页 |
| 第2章 人工神经网络 | 第17-35页 |
| 2.1 人工神经网络概述 | 第17-18页 |
| 2.2 BP神经网络简介 | 第18-20页 |
| 2.3 深度神经网络简介 | 第20-32页 |
| 2.3.1 卷积神经网络 | 第20-26页 |
| 2.3.2 深度信念网络 | 第26-28页 |
| 2.3.3 神经网络的优化方法 | 第28-32页 |
| 2.4 本章小结 | 第32-35页 |
| 第3章 基于卷积神经网络的遥感图像分类 | 第35-51页 |
| 3.1 卷积神经网络分类模型 | 第35-38页 |
| 3.1.1 模型结构 | 第35-37页 |
| 3.1.2 目标函数 | 第37-38页 |
| 3.2 多源多特征融合方法 | 第38-42页 |
| 3.2.1 光谱特征 | 第38-39页 |
| 3.2.2 纹理特征 | 第39-40页 |
| 3.2.3 其它特征 | 第40-41页 |
| 3.2.4 多源多特征融合方法 | 第41-42页 |
| 3.3 混合型激活函数PReLU-Swish | 第42-45页 |
| 3.4 集成卷积神经网络分类模型 | 第45-49页 |
| 3.4.1 集成模型结构 | 第45-49页 |
| 3.4.2 集成策略 | 第49页 |
| 3.5 本章小结 | 第49-51页 |
| 第4章 实验结果与分析 | 第51-67页 |
| 4.1 实验环境简介 | 第51-52页 |
| 4.2 数据集简介 | 第52页 |
| 4.3 多源多特征融合方法分类实验 | 第52-58页 |
| 4.3.1 评价指标 | 第52-54页 |
| 4.3.2 实验结果与分析 | 第54-58页 |
| 4.4 混合型激活函数PReLU-Swish实验 | 第58-61页 |
| 4.4.1 实验设置 | 第58-59页 |
| 4.4.2 实验结果与分析 | 第59-61页 |
| 4.5 集成卷积神经网络分类实验 | 第61-65页 |
| 4.5.1 实验设置 | 第61-62页 |
| 4.5.2 实验结果与分析 | 第62-65页 |
| 4.6 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-76页 |
| 致谢 | 第76页 |
