| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 半监督学习概述 | 第9-13页 |
| 1.2.1 半监督学习概念 | 第9页 |
| 1.2.2 半监督分类方法及研究现状 | 第9-12页 |
| 1.2.3 半监督分类的优缺点 | 第12-13页 |
| 1.3 论文的主要工作 | 第13页 |
| 1.4 论文的组织结构 | 第13-16页 |
| 第2章 基于图的半监督分类 | 第16-28页 |
| 2.1 半监督分类假设 | 第16-17页 |
| 2.2 基于图的半监督分类框架 | 第17页 |
| 2.3 基于图的半监督分类算法 | 第17-24页 |
| 2.3.1 最小割算法(Mincut) | 第18页 |
| 2.3.2 高斯随机场和调和函数(Gaussian Random Fields and HarmonicFunctions) | 第18-19页 |
| 2.3.3 标记传递算法(Label Propagation,LP) | 第19-21页 |
| 2.3.4 局部和全局一致性(Local and Global Consistency) | 第21-22页 |
| 2.3.5 流行正则化(Manifold Regularization) | 第22-24页 |
| 2.4 基于图的半监督分类中的关键问题 | 第24-26页 |
| 2.4.1 图的构建 | 第24-25页 |
| 2.4.2 权值矩阵的计算 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 基于锚点建图的半监督图像分类及其遥感图像应用 | 第28-44页 |
| 3.1 引言 | 第28-29页 |
| 3.2 基于锚点建图的理论 | 第29-33页 |
| 3.2.1 基于锚点的标记预测模型设计 | 第29-30页 |
| 3.2.2 设计原则 | 第30-31页 |
| 3.2.3 设计Z矩阵 | 第31-33页 |
| 3.2.4 W矩阵 | 第33页 |
| 3.3 基于锚点建图的半监督分类算法 | 第33-34页 |
| 3.4 锚点的选择和算法流程 | 第34-37页 |
| 3.5 实验结果 | 第37-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第4章 自适应线性近邻的锚点半监督分类算法 | 第44-58页 |
| 4.1 基于锚点建图的半监督分类算法 | 第44页 |
| 4.2 自适应选取近邻锚点个数 | 第44-46页 |
| 4.3 自适应线性近邻锚点的半监督分类算法 | 第46-48页 |
| 4.4 实验结果和分析 | 第48-52页 |
| 4.5 自适应AGR算法的遥感图像分类实验 | 第52-56页 |
| 4.6 本章小结 | 第56-58页 |
| 第5章 结论与展望 | 第58-60页 |
| 5.1 本文工作总结 | 第58页 |
| 5.2 未来研究展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 攻读硕士学位期间研究成果 | 第68页 |
