| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 高光谱图像分类的研究现状 | 第11-12页 |
| 1.2.2 海冰监测的研究现状 | 第12-13页 |
| 1.2.3 主动学习技术的研究现状 | 第13-15页 |
| 1.3 研究内容 | 第15页 |
| 1.4 论文结构 | 第15-17页 |
| 第二章 高光谱图像分类及SVM算法理论 | 第17-29页 |
| 2.1 高光谱遥感图像数据特点 | 第17-19页 |
| 2.2 高光谱遥感图像分类 | 第19-23页 |
| 2.2.1 高光谱图像分类原理 | 第19-20页 |
| 2.2.2 高光谱图像分类方法 | 第20-23页 |
| 2.3 支持向量机算法理论 | 第23-28页 |
| 2.3.1 线性SVM | 第23-26页 |
| 2.3.2 非线性SVM | 第26-27页 |
| 2.3.3 SVM多类分类方法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于BvSB+ECBD主动学习算法的高光谱海冰图像分类 | 第29-42页 |
| 3.1 主动学习算法简介 | 第29-30页 |
| 3.2 主动学习模型 | 第30-31页 |
| 3.2.1 AL过程模型 | 第30-31页 |
| 3.2.2 关键问题 | 第31页 |
| 3.3 主动学习的采样策略 | 第31-36页 |
| 3.3.1 基于BvSB的不确定性准则 | 第32-33页 |
| 3.3.2 基于ECBD的差异性准则 | 第33-35页 |
| 3.3.3 基于BvSB + ECBD的主动学习算法 | 第35-36页 |
| 3.4 实验过程与结果分析 | 第36-41页 |
| 3.4.1 数据描述 | 第36-37页 |
| 3.4.2 实验设计 | 第37-38页 |
| 3.4.3 实验结果 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 基于半监督和主动学习相结合算法的高光谱海冰图像分类 | 第42-53页 |
| 4.1 半监督学习 | 第42-44页 |
| 4.1.1 半监督学习简介 | 第42-43页 |
| 4.1.2 半监督学习算法分类介绍 | 第43-44页 |
| 4.2 直推式支持向量机(TSVM) | 第44-46页 |
| 4.2.1 TSVM算法思想 | 第44-46页 |
| 4.2.2 TSVM算法改进 | 第46页 |
| 4.3 主动学习与半监督学习算法的融合 | 第46-48页 |
| 4.4 实验过程与结果分析 | 第48-51页 |
| 4.4.1 数据描述 | 第48页 |
| 4.4.2 实验设计 | 第48-49页 |
| 4.4.3 实验结果 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 附录 | 第60-61页 |
| 致谢 | 第61页 |
