| 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14-24页 |
| 1.1 选题缘由和意义 | 第14页 |
| 1.2 高光谱图像的概述 | 第14-18页 |
| 1.2.1 高光谱数据图像的特征 | 第16页 |
| 1.2.2 高光谱遥感图像的应用领域 | 第16-18页 |
| 1.3 高光谱图像降维研究现状分析 | 第18-20页 |
| 1.3.1 国内外学者的研究 | 第18-19页 |
| 1.3.2 存在的主要问题 | 第19-20页 |
| 1.4 论文的主要研究意义和研究方法 | 第20-22页 |
| 1.4.1 高光谱图像波段选择的必要性 | 第20-21页 |
| 1.4.2 研究思路和方法 | 第21-22页 |
| 1.5 本文的工作和内容安排 | 第22-24页 |
| 第二章 多目标优化的基础理论 | 第24-32页 |
| 2.1 多目标优化问题的概述 | 第24页 |
| 2.2 多目标优化问题的数学描述 | 第24-25页 |
| 2.3 进化多目标优化的发展和意义 | 第25-28页 |
| 2.3.1 多目标优化的发展 | 第25-27页 |
| 2.3.2 多目标优化的研究必要性 | 第27-28页 |
| 2.4 多目标优化的典型算法 | 第28-30页 |
| 2.4.1 NSGA-II多目标优化算法 | 第28-29页 |
| 2.4.2 NNIA多目标优化算法 | 第29页 |
| 2.4.3 基于分解的多目标优化算法 | 第29-30页 |
| 2.5 进化多目标的变异算子 | 第30-32页 |
| 第三章 高光谱遥感图像无监督波段选择算法 | 第32-42页 |
| 3.1 无监督的波段选择方法的特点 | 第32-33页 |
| 3.2 无监督的波段选择算法 | 第33-37页 |
| 3.2.1 最大方差主成分分析法 | 第33-34页 |
| 3.2.2 互信息聚类无监督波段选择方法 | 第34-35页 |
| 3.2.3 MVPCA和WaLumi的实验分析 | 第35-37页 |
| 3.3 无监督波段选择的评价标准 | 第37-42页 |
| 3.3.1 基于信息量的度量 | 第37-38页 |
| 3.3.2 基于类间可分性的度量 | 第38-39页 |
| 3.3.3 基于分类精度的度量 | 第39-42页 |
| 第四章 基于多目标优化的无监督高光谱图像波段选择 | 第42-58页 |
| 4.1 算法的动机和思路 | 第42-43页 |
| 4.2 基于多目标优化的无监督高光谱图像波段选择 | 第43-49页 |
| 4.2.1 目标函数 | 第43-44页 |
| 4.2.2 算法流程的详细描述 | 第44-47页 |
| 4.2.3 基于边际效用的选解 | 第47-49页 |
| 4.3 实验结果以及分析 | 第49-58页 |
| 4.3.1 实验数据说明以及预处理 | 第49-51页 |
| 4.3.2 Indian_pines数据集实验分析 | 第51-55页 |
| 4.3.3 Salinas数据集实验分析 | 第55-58页 |
| 第五章 结论和展望 | 第58-60页 |
| 5.1 研究结论 | 第58-59页 |
| 5.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-66页 |
| 作者简介 | 第66-67页 |
| 1.基本情况 | 第66页 |
| 2.教育背景 | 第66页 |
| 3.攻读硕士学位期间的研究成果 | 第66-67页 |