基于主动在线极限学习机的卫星云量计算
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 极限学习机研究现状 | 第9-11页 |
| 1.2.2 主动学习研究现状 | 第11页 |
| 1.2.3 卫星云图云量计算的国内外研究现状 | 第11-14页 |
| 1.3 论文主要内容以及组织结构 | 第14-15页 |
| 第二章 主动学习和极限学习机 | 第15-25页 |
| 2.1 主动学习 | 第15-20页 |
| 2.1.1 基于样本不确定性 | 第16-18页 |
| 2.1.2 基于查询专家委员会 | 第18-19页 |
| 2.1.3 基于后验概率 | 第19-20页 |
| 2.2 极限学习机 | 第20-24页 |
| 2.2.1 极限学习机概述 | 第20-21页 |
| 2.2.2 极限学习机理论 | 第21-23页 |
| 2.2.3 极限学习机的优化版本 | 第23-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 主动在线极限学习机 | 第25-41页 |
| 3.1 在线顺序极限学习机 | 第25-30页 |
| 3.2 极限学习机的样本不确定性评估 | 第30-33页 |
| 3.2.1 单隐层前馈神经网络输出的后验概率表示 | 第30-31页 |
| 3.2.2 二分类问题的不确定性评估 | 第31-33页 |
| 3.2.3 多分类问题的不确定性评估策略 | 第33页 |
| 3.3 主动在线极限学习机算法 | 第33-36页 |
| 3.3.1 算法流程 | 第34-35页 |
| 3.3.2 性能评价函数 | 第35-36页 |
| 3.4 算法仿真 | 第36-40页 |
| 3.4.1 实验数据与设计 | 第36-37页 |
| 3.4.2 主动支持向量机 | 第37页 |
| 3.4.3 仿真结果 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于主动在线极限学习机的云检测 | 第41-51页 |
| 4.1 基于阈值分割法的卫星云图检测 | 第41-43页 |
| 4.1.1 传统阈值法 | 第41-42页 |
| 4.1.2 最大类间方差自适应阈值法 | 第42-43页 |
| 4.2 基于主动在线极限学习机的卫星云图检测 | 第43-50页 |
| 4.2.1 图像预处理 | 第43-46页 |
| 4.2.2 隐层节点个数 | 第46页 |
| 4.2.3 云检测实验结果与分析 | 第46-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 基于云图检测的云量计算 | 第51-58页 |
| 5.1 云量计算方法 | 第51-52页 |
| 5.2 总云量计算方案 | 第52-56页 |
| 5.3 总云量验证方案 | 第56页 |
| 5.4 本章小结 | 第56-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58页 |
| 6.2 论文展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-68页 |
| 攻读硕士期间完成的科研情况 | 第68页 |
