| 1 绪论 | 第1-21页 |
| ·课题来源及意义 | 第12-14页 |
| ·本课题的研究现状及待解决的问题 | 第14-15页 |
| ·本文的研究内容 | 第15-18页 |
| ·研究区域简介 | 第18-19页 |
| ·本文的组织结构 | 第19-21页 |
| 2 高维数据降维与投影寻踪 | 第21-45页 |
| ·常用线性降维方法概要 | 第21-25页 |
| ·主成分分析方法 | 第21-23页 |
| ·基于费歇(Fisher)判别分析准则的降维方法 | 第23-25页 |
| ·高维数据的几何特征和统计分布特性 | 第25-30页 |
| ·高维空间的几何特征 | 第26-28页 |
| ·高维空间的统计分布特性 | 第28-30页 |
| ·投影寻踪方法综述 | 第30-45页 |
| ·投影寻踪的起源 | 第30-32页 |
| ·投影指标概览 | 第32-38页 |
| ·投影寻踪方法的拓展及应用 | 第38-45页 |
| ·投影寻踪回归 | 第38-40页 |
| ·投影寻踪的应用 | 第40-45页 |
| 3 面向类别混分问题的高光谱遥感数据特征提取及分类 | 第45-95页 |
| ·高光谱遥感数据主要分析方法概述 | 第45-53页 |
| ·基于光谱空间的分析方法 | 第45-49页 |
| ·基于特征空间的分析方法 | 第49-53页 |
| ·投影寻踪与高光谱遥感数据特征提取 | 第53-62页 |
| ·高光谱遥感数据分析的主要特点及问题 | 第53-57页 |
| ·基于投影寻踪的高光谱遥感数据特征提取与分类方案 | 第57-62页 |
| ·面向易混分类别的投影寻踪指标 | 第62-74页 |
| ·影响高光谱分类精度的因素分析 | 第62-68页 |
| ·面向易混分类别的投影寻踪指标 | 第68-74页 |
| ·多方向投影寻踪 | 第74-88页 |
| ·单方向投影寻踪特征提取及分类方案 | 第74-81页 |
| ·多方向序贯正交投影寻踪特征提取及分类方案 | 第81-88页 |
| ·主成份方向与投影寻踪方向相结合的特征提取及分类方案 | 第88-95页 |
| ·主成份方向与投影寻踪方向各自的特征 | 第88-90页 |
| ·主成份与投影寻踪相结合 | 第90-95页 |
| 4 选元投影寻踪与最佳光谱波段选择 | 第95-117页 |
| ·最佳光谱波段的选择 | 第95-100页 |
| ·最佳波段选择方法综述 | 第95-97页 |
| ·基于光谱特征的最佳波段选择 | 第97-100页 |
| ·基于选元投影寻踪的波段选择方案 | 第100-117页 |
| ·选元投影寻踪 | 第100-106页 |
| ·选元投影寻踪快速算法 | 第106-117页 |
| 5 非线性主曲线及其应用 | 第117-144页 |
| ·主成份分析(PCA)的非线性扩展 | 第117-133页 |
| ·非线性主成份分析(NLPCA) | 第117-122页 |
| ·非线性主曲线(Non-Linear Principal Curves) | 第122-133页 |
| ·问题的引入 | 第122-125页 |
| ·理论模型 | 第125-127页 |
| ·n维欧氏空间中直线，曲线的相关定义 | 第127-129页 |
| ·近似主成份分析算法 | 第129-131页 |
| ·非线性主曲线 | 第131-133页 |
| ·简化的非线性主曲线算法与高光谱遥感数据分析 | 第133-144页 |
| ·简化的非线性主曲线算法 | 第133-141页 |
| ·非线性主折线及其算法 | 第133-136页 |
| ·基于聚类分析的非迭代主折线算法 | 第136-141页 |
| ·基于训练样本数据的非线性主折线分类算法 | 第141-144页 |
| 6 主要成果和有待进一步研究的方向 | 第144-146页 |
| ·主要研究成果 | 第144页 |
| ·主要程序模块 | 第144-145页 |
| ·有待进一步研究的方向 | 第145-146页 |
| 附图1 枣园乡高光谱图象野外调绘草图 | 第146-147页 |
| 致谢 | 第147-148页 |
| 攻读博士期间主要成果 | 第148-150页 |
| 主要参考文献 | 第150-156页 |
