海量光谱数据降维方法的研究与应用
| CONTENTS | 第6-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-14页 |
| 1.1 引言 | 第11-12页 |
| 1.2 本文研究背景 | 第12-13页 |
| 1.3 本文篇章安排 | 第13-14页 |
| 第2章 降维方法的研究 | 第14-27页 |
| 2.1 降维方法概述 | 第14页 |
| 2.2 线性判别分析 | 第14-15页 |
| 2.3 独立成分分析 | 第15-16页 |
| 2.4 局部线性嵌入 | 第16页 |
| 2.5 主成分分析 | 第16-19页 |
| 2.5.1 主成分分析方法转换矩阵的求法 | 第16-18页 |
| 2.5.2 度量多维缩放方法 | 第18-19页 |
| 2.5.3 主成分分析的具体步骤 | 第19页 |
| 2.6 核主成分分析 | 第19-22页 |
| 2.6.1 核主成分分析理论基础 | 第20-22页 |
| 2.6.2 核函数简单的介绍 | 第22页 |
| 2.7 核熵成分分析 | 第22-26页 |
| 2.7.1 雷尼熵的估计 | 第23-24页 |
| 2.7.2 核熵成分分析方法的实现 | 第24页 |
| 2.7.3 核熵成分分析方法的等价分析 | 第24-26页 |
| 2.8 本章小结 | 第26-27页 |
| 第3章 降维效果评价方法 | 第27-39页 |
| 3.1 降维效果评价综述 | 第27页 |
| 3.2 决策树归纳分类 | 第27-29页 |
| 3.3 贝叶斯分类 | 第29-31页 |
| 3.4 K最近邻方法 | 第31-32页 |
| 3.5 支持向量机 | 第32-38页 |
| 3.5.1 支持向量机概述 | 第32-33页 |
| 3.5.2 支持向量机理论基础 | 第33-38页 |
| 3.6 实验数据介绍 | 第38页 |
| 3.7 本章小结 | 第38-39页 |
| 第4章 降维方法实验与应用 | 第39-51页 |
| 4.1 天体光谱数据降维实验 | 第39-43页 |
| 4.2 天体分类实验 | 第43-50页 |
| 4.2.1 分类器一设计 | 第43-45页 |
| 4.2.2 分类器二设计 | 第45-47页 |
| 4.2.3 分类器三设计 | 第47-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第5章 总结和展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 谢辞 | 第57-58页 |
| 攻读学位期间发表的学术论文目录 | 第58-59页 |
| 附表 | 第59页 |
