| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 引言 | 第9页 |
| 1.2 研究现状和研究意义 | 第9-13页 |
| 1.2.1 研究现状 | 第9-12页 |
| 1.2.2 研究意义 | 第12-13页 |
| 1.3 论文研究内容 | 第13页 |
| 1.4 论文组织 | 第13-15页 |
| 第二章 基于图的半监督分类算法理论框架 | 第15-19页 |
| 2.1 基于图的半监督分类算法的基本假设 | 第15页 |
| 2.2 基于图的半监督分类理论 | 第15-16页 |
| 2.3 基于图的半监督分类算法 | 第16-18页 |
| 2.3.1 标签传播(Labeled Propagation,LP) | 第16-17页 |
| 2.3.2 LapSVM(Laplacian Support Vector Machine) | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 约减数据的半监督图像分类 | 第19-33页 |
| 3.1 引言 | 第19-20页 |
| 3.2 AGR分类算法 | 第20-22页 |
| 3.3 数据约减的半监督图像分类算法 | 第22-25页 |
| 3.3.1 Mean shift聚类约减数据规模 | 第22-23页 |
| 3.3.2 数据约减的半监督分类以及分类映射 | 第23-24页 |
| 3.3.3 本文算法的复杂度分析 | 第24-25页 |
| 3.4 实验结果与分析 | 第25-31页 |
| 3.5 本章小结 | 第31-33页 |
| 第四章 最小代价路径标签传播算法 | 第33-51页 |
| 4.1 引言 | 第33页 |
| 4.2 最小代价路径标签传播算法 | 第33-41页 |
| 4.2.1 最小代价路径标签传播 | 第33-35页 |
| 4.2.2 基于最小生成树求最小代价路径 | 第35-36页 |
| 4.2.3 最小生成树的构建 | 第36-37页 |
| 4.2.4 图的连通性问题 | 第37-39页 |
| 4.2.5 最小代价路径标记传播算法复杂度分析 | 第39页 |
| 4.2.6 MCPLP算法与LP算法、AGR算法、MMLP算法的比较 | 第39-41页 |
| 4.3 实验与分析 | 第41-50页 |
| 4.3.1 基于基准数据集的半监督分类实验 | 第41-43页 |
| 4.3.2 连通性问题实验 | 第43-45页 |
| 4.3.3 图像分类实验 | 第45-50页 |
| 4.4 结论 | 第50-51页 |
| 第五章 高光谱遥感图像半监督分类 | 第51-67页 |
| 5.1 引言 | 第51-52页 |
| 5.2 常用的高光谱遥感图像及分类精度评价指标 | 第52-56页 |
| 5.2.1 高光谱遥感图像 | 第52-56页 |
| 5.2.2 分类结果评价指标 | 第56页 |
| 5.3 高光谱遥感图像半监督分类实验 | 第56-65页 |
| 5.3.1 Indian Pines高光谱图像实验结果 | 第57-59页 |
| 5.3.2 Pavia University高光谱图像实验结果 | 第59-62页 |
| 5.3.3 Salinas高光谱图像实验结果 | 第62-65页 |
| 5.4 结论 | 第65-67页 |
| 第六章 总结与展望 | 第67-71页 |
| 6.1 本文工作总结 | 第67-68页 |
| 6.2 研究展望 | 第68-71页 |
| 参考文献 | 第71-79页 |
| 致谢 | 第79-81页 |
| 攻读学位期间研究成果 | 第81页 |
