| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·遥感图像理解的研究内容及进展 | 第9-11页 |
| ·遥感图像的分割和分类 | 第9-10页 |
| ·遥感图像的目标识别 | 第10-11页 |
| ·论文的主要内容和安排 | 第11-14页 |
| 第二章 半监督学习的理论和方法 | 第14-20页 |
| ·半监督学习的背景和意义 | 第14-15页 |
| ·半监督学习满足的假设 | 第15-16页 |
| ·半监督学习的几种方法 | 第16-20页 |
| 第三章 基于谱聚类的半监督多光谱遥感图像分割 | 第20-30页 |
| ·引言 | 第20-21页 |
| ·多光谱遥感图像分割简介 | 第21-22页 |
| ·多光谱遥感数据的特征和地物目标特性 | 第21-22页 |
| ·多光谱遥感图像分割常用方法 | 第22页 |
| ·半监督的谱聚类 | 第22-23页 |
| ·基于随机均匀采样技术结合最近邻准则的半监督多参数谱聚类 | 第23-25页 |
| ·基于谱聚类的半监督多光谱遥感图像分割 | 第25-28页 |
| ·小结 | 第28-30页 |
| 第四章 基于半监督路径相似度的Semi-Boost集成SAR目标识别 | 第30-44页 |
| ·引言 | 第30-31页 |
| ·SAR图像目标识别简介 | 第31-33页 |
| ·SAR图像目标识别的背景 | 第31-32页 |
| ·SAR目标识别系统 | 第32-33页 |
| ·基于路径的半监督相似度度量 | 第33-35页 |
| ·基于路径的相似度度量 | 第33-34页 |
| ·基于路径的半监督相似度度量 | 第34-35页 |
| ·个体学习机——支撑矢量机 | 第35-36页 |
| ·基于半监督路径相似度的Semi-Boost集成 | 第36-39页 |
| ·Semi-Boost | 第36-38页 |
| ·基于半监督路径相似度的Semi-Boost集成 | 第38-39页 |
| ·基于半监督路径相似度的Semi-Boost集成SAR目标识别 | 第39-42页 |
| ·小结 | 第42-44页 |
| 第五章 基于Boosting的谱聚类集成 | 第44-56页 |
| ·引言 | 第44-45页 |
| ·聚类集成问题 | 第45-46页 |
| ·具有多样性的个体谱聚类的构造 | 第46-48页 |
| ·个体谱聚类——NJW | 第46-47页 |
| ·多样性的产生—基于Boosting的自适应重采样 | 第47-48页 |
| ·多个谱聚类的结果的合并 | 第48-49页 |
| ·基于Boosting的谱聚类集成SAR图像分割 | 第49-55页 |
| ·UCI数据的划分 | 第49-51页 |
| ·合成纹理图像的分割 | 第51-52页 |
| ·SAR图像的分割 | 第52-55页 |
| ·小结 | 第55-56页 |
| 总结与展望 | 第56-58页 |
| 致谢 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 硕士阶段研究成果 | 第66-67页 |
