| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文的主要工作 | 第12-14页 |
| 2 高光谱图像聚类 | 第14-28页 |
| 2.1 聚类算法简介 | 第14-15页 |
| 2.2 经典聚类算法 | 第15-19页 |
| 2.2.1 K-means算法 | 第16-17页 |
| 2.2.2 FCM算法 | 第17-19页 |
| 2.3 核聚类算法 | 第19-23页 |
| 2.3.1 支持向量数据描述算法 | 第20-22页 |
| 2.3.2 模糊核聚类算法 | 第22-23页 |
| 2.4 谱聚类算法 | 第23-25页 |
| 2.4.1 NJW算法 | 第23-24页 |
| 2.4.2 SM算法 | 第24-25页 |
| 2.5 评估方法 | 第25-27页 |
| 2.5.1 混淆矩阵（Error Matrix） | 第25-26页 |
| 2.5.3 使用者精度（User Accuracy） | 第26页 |
| 2.5.4 总体精度 （Overall Accuracy） | 第26-27页 |
| 2.5.5 Kappa系数（Kappa Coefficient） | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 面向高光谱影像的半监督复合核图聚类算法 | 第28-39页 |
| 3.1 半监督聚类 | 第28-29页 |
| 3.2 谱图聚类 | 第29-31页 |
| 3.3 基于复合核的聚类算法 | 第31-33页 |
| 3.3.1 核函数的选取及改造 | 第31-32页 |
| 3.3.2 复合核构造 | 第32-33页 |
| 3.4 SSGCK算法步骤 | 第33-34页 |
| 3.5 仿真实验分析 | 第34-38页 |
| 3.5.1 数据集 | 第34-35页 |
| 3.5.2 实验设置 | 第35-36页 |
| 3.5.3 实验对比 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4 空谱核半监督图聚类算法介绍 | 第39-48页 |
| 4.1 空间信息简介 | 第39-41页 |
| 4.2 空谱核半监督图聚类算法 | 第41-44页 |
| 4.2.1 样本空间近邻性判断 | 第41-43页 |
| 4.2.2 S4GC算法 | 第43-44页 |
| 4.3 仿真实验分析 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 总结与展望 | 第48-50页 |
| 5.1 研究结论 | 第48页 |
| 5.2 下一步研究工作 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54页 |
