| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景与应用 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容与创新点 | 第14-16页 |
| 1.3.1 主要内容 | 第14-16页 |
| 1.3.3 创新之处 | 第16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第二章 目标特征提取技术介绍 | 第18-29页 |
| 2.1 特征提取或选择概述 | 第18-19页 |
| 2.2 典型特征提取算法 | 第19-28页 |
| 2.2.1 主成分分析 | 第19-22页 |
| 2.2.2 独立成分分析 | 第22-25页 |
| 2.2.3 线性判别分析 | 第25-26页 |
| 2.2.4 局部保持映射 | 第26-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 基于PCA的数据降维与特征提取 | 第29-37页 |
| 3.1 前置主成分旋转与迭代自组织数据分析算法(FPCR-ISODATA) | 第29-35页 |
| 3.1.1 数据收集 | 第29-31页 |
| 3.1.2 几何校正与坐标配准 | 第31页 |
| 3.1.3 辐射校正 | 第31页 |
| 3.1.4 子集提取 | 第31-32页 |
| 3.1.5 分类 | 第32-33页 |
| 3.1.6 后处理(精度评价) | 第33-35页 |
| 3.2 工程实践 | 第35-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 基于代理变量分析(SVA)的特征提取模型与算法 | 第37-45页 |
| 4.1 引言 | 第37页 |
| 4.2 代理变量分析 | 第37-41页 |
| 4.2.1 代理变量分析的统计模型 | 第37-39页 |
| 4.2.2 代理变量分析算法 | 第39-41页 |
| 4.3 实验与分析 | 第41-44页 |
| 4.4 讨论和结论 | 第44-45页 |
| 第五章 基于决策变量分析(DVA)的特征提取算法 | 第45-54页 |
| 5.1 引言 | 第45-46页 |
| 5.2 代理变量分析(DVA) | 第46-48页 |
| 5.3 实验与分析 | 第48-52页 |
| 5.3.1 模拟数据分析 | 第48-49页 |
| 5.3.2 真实数据分析 | 第49-52页 |
| 5.4 讨论和结论 | 第52-54页 |
| 第六章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间发表的论文 | 第60-61页 |
| 致谢 | 第61-62页 |