基于支持向量机的高光谱图像降维与分类研究

摘要	第4-5页
Abstract	第5-6页
第1章 绪论	第8-17页
1.1 研究背景和选题依据	第8-9页
1.2 相关领域的研究进展	第9-13页
1.3 研究内容和技术路线	第13-15页
1.4 论文组织结构	第15-17页
第2章 高光谱影像降维算法研究	第17-34页
2.1 引言	第17页
2.2 非线性流形降维技术	第17-21页
2.3 局部保持与半监督降维策略	第21-24页
2.4 核降维策略	第24页
2.5 高光谱数据集与本征维度	第24-27页
2.6 试验设计与分析	第27-33页
2.7 本章小结	第33-34页
第3章 半监督多核支持向量机分类研究	第34-47页
3.1 引言	第34-35页
3.2 SVM分类若干基础理论	第35-38页
3.3 半监督多核支持向量机分类框架	第38-40页
3.4 试验结果与分析	第40-46页
3.5 本章小结	第46-47页
第4章 顾及空间特征局部保持多核分类研究	第47-57页
4.1 引言	第47页
4.2 拓展多属性坡面模型	第47-49页
4.3 局部保持多核支持向量机分类框架	第49-51页
4.4 试验结果与分析	第51-55页
4.5 本章小结	第55-57页
第5章 结论与展望	第57-60页
5.1 结论	第57-58页
5.2 展望	第58-60页
致谢	第60-61页
参考文献	第61-68页
个人简介	第68-69页