摘要 | 第4-6页 |
abstract | 第6-8页 |
第一章 引言 | 第11-21页 |
1.1 研究背景及意义 | 第12-13页 |
1.2 国内外研究现状 | 第13-17页 |
1.2.1 海冰检测的研究现状 | 第13-14页 |
1.2.2 遥感数据分类研究现状 | 第14-15页 |
1.2.3 主动学习与半监督学习的研究现状 | 第15-17页 |
1.3 研究内容 | 第17-19页 |
1.4 论文结构 | 第19-21页 |
第二章 遥感图像分类及支持向量机算法理论 | 第21-28页 |
2.1 遥感图像的特点及分类原理 | 第21-23页 |
2.1.1 遥感图像的特点 | 第21-23页 |
2.1.2 遥感图像的分类原理 | 第23页 |
2.2 遥感图像分类方法 | 第23-24页 |
2.3 支持向量机算法 | 第24-27页 |
2.3.1 SVM算法理论 | 第24-26页 |
2.3.2 SVM多类分类方法 | 第26-27页 |
2.4 本章小结 | 第27-28页 |
第三章 基于主动学习与TSVM结合的海冰图像分类 | 第28-40页 |
3.1 主动学习算法 | 第28-32页 |
3.1.1 主动学习模型 | 第28-31页 |
3.1.2 基于BvSB-ECBD的采样策略 | 第31-32页 |
3.2 半监督学习算法 | 第32-35页 |
3.2.1 直推式支持向量机算法理论 | 第33-34页 |
3.2.2 融合主动学习思想的未标签样本采样策略 | 第34-35页 |
3.3 主动学习与TSVM相结合的海冰分类 | 第35-38页 |
3.3.1 算法实现框架 | 第36页 |
3.3.2 分类算法描述 | 第36-38页 |
3.4 本章小结 | 第38-40页 |
第四章 海冰检测图像分类实验分析 | 第40-51页 |
4.1 数据描述及实验设置 | 第40-42页 |
4.1.1 数据描述 | 第40-42页 |
4.1.2 实验设置 | 第42页 |
4.2 巴芬湾海冰分类实验结果及分析 | 第42-47页 |
4.2.1 与主动学习分类精度的比较 | 第42-44页 |
4.2.2 主动学习迭代次数对分类精度的影响 | 第44-45页 |
4.2.3 不同主动学习方法与TSVM结合的精度比较 | 第45-47页 |
4.3 辽东湾海冰分类实验结果及分析 | 第47-50页 |
4.3.1 与主动学习分类精度的比较 | 第47-48页 |
4.3.2 主动学习迭代次数对分类精度的影响 | 第48-49页 |
4.3.3 不同主动学习方法与TSVM结合的精度比较 | 第49-50页 |
4.4 本章小结 | 第50-51页 |
第五章 总结与展望 | 第51-53页 |
参考文献 | 第53-59页 |
附录 | 第59-60页 |
致谢 | 第60页 |