天文信息自动处理及目标检测的研究
| 摘要 | 第1-15页 |
| ABSTRACT | 第15-20页 |
| 第一章 绪论 | 第20-30页 |
| ·课题研究背景和意义 | 第20-21页 |
| ·国内外研究现状 | 第21-25页 |
| ·天文数据预处理 | 第22-23页 |
| ·天文图像的目标检测 | 第23-24页 |
| ·高维光谱数据的分类 | 第24-25页 |
| ·稀少天体的数据挖掘 | 第25页 |
| ·课题的研究内容 | 第25-27页 |
| ·主要研究成果 | 第27-28页 |
| ·本文组织 | 第28-30页 |
| 第二章 光谱去噪与光谱自动识别 | 第30-44页 |
| ·光谱去噪处理 | 第30-35页 |
| ·光谱去噪概述 | 第30-31页 |
| ·双树复小波变换 | 第31-32页 |
| ·基于双树复小波变换的光谱去噪方法 | 第32-34页 |
| ·实验结果及分析 | 第34-35页 |
| ·发射线恒星光谱的自动识别 | 第35-43页 |
| ·发射线光谱识别概述 | 第36-37页 |
| ·发射线恒星光谱的自动识别方法 | 第37-40页 |
| ·实验及结论 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第三章 图像目标检测方法及分布显示 | 第44-60页 |
| ·图像目标检测方法 | 第44-51页 |
| ·目标检测概述 | 第44-45页 |
| ·FITS图像简介及目标检测的意义 | 第45-47页 |
| ·目标检测算法 | 第47-50页 |
| ·实验结果与分析 | 第50-51页 |
| ·星体目标分布的三维显示 | 第51-58页 |
| ·UCAC2星表系统简介 | 第52-53页 |
| ·UCAC2星表的组成 | 第53-54页 |
| ·UCAC2星表的访问方法 | 第54-56页 |
| ·星体在天球上的可视化 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第四章 利用遗传算法优化随机森林分类参数 | 第60-74页 |
| ·概述 | 第60-62页 |
| ·遗传算法 | 第60-62页 |
| ·随机森林 | 第62页 |
| ·基于优化随机森林的光谱分类算法 | 第62-72页 |
| ·随机森林的关键参数分析 | 第63-67页 |
| ·基于遗传算法的随机森林参数优化 | 第67-69页 |
| ·实验结果与分析 | 第69-72页 |
| ·本章小结 | 第72-74页 |
| 第五章 激变变星的寻找方法 | 第74-85页 |
| ·研究背景及意义 | 第74-75页 |
| ·主分量分析(PCA)与BP人工神经网络 | 第75-78页 |
| ·PCA降维方法 | 第75-76页 |
| ·BP人工神经网络 | 第76-78页 |
| ·激变变星的寻找算法 | 第78-81页 |
| ·数据的来源及处理流程 | 第78页 |
| ·基于PCA的降维 | 第78-80页 |
| ·BP人工神经网络的设计与实现 | 第80-81页 |
| ·实验及结果分析 | 第81-83页 |
| ·本章小结 | 第83-85页 |
| 第六章 工作总结与展望 | 第85-88页 |
| ·本文总结 | 第85-86页 |
| ·研究展望 | 第86-88页 |
| 参考文献 | 第88-98页 |
| 致谢 | 第98-99页 |
| 攻读学位期间发表的论文目录 | 第99-100页 |
| 攻读学位期间参与的科研项目情况 | 第100-102页 |
| 学位论文评阅及答辩情况表 | 第102-104页 |
| 外文论文 | 第104-120页 |
| 外文论文一 | 第104-112页 |
| 外文论文二 | 第112-120页 |
