基于电网络的半监督图像分类
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 半监督学习研究概述 | 第10-14页 |
| 1.2.1 半监督学习的定义 | 第10页 |
| 1.2.2 半监督学习的研究现状 | 第10-14页 |
| 1.2.3 半监督学习存在问题 | 第14页 |
| 1.3 论文的主要工作和组织结构 | 第14-17页 |
| 第2章 基于图的半监督学习基本理论 | 第17-31页 |
| 2.1 半监督学习假设 | 第17页 |
| 2.2 基于图的半监督学习框架 | 第17-18页 |
| 2.3 基于图的半监督学习算法 | 第18-27页 |
| 2.3.1 标记传播 | 第18-19页 |
| 2.3.2 图最小割 | 第19-20页 |
| 2.3.3 调和函数 | 第20-21页 |
| 2.3.4 电网络 | 第21-25页 |
| 2.3.5 流形正则化 | 第25-27页 |
| 2.4 基于图的半监督学习的关键问题 | 第27-29页 |
| 2.4.1 图的构建 | 第27-28页 |
| 2.4.2 相似性矩阵计算 | 第28-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第3章 基于均值漂移的p电压图像分类算法 | 第31-43页 |
| 3.1 概述 | 第31-32页 |
| 3.2 p电压算法 | 第32-34页 |
| 3.3 均值漂移算法 | 第34页 |
| 3.4 基于mean shift的p电压分类 | 第34-36页 |
| 3.4.1 算法思想与步骤 | 第34-35页 |
| 3.4.2 构图方法对算法时间效率的影响 | 第35-36页 |
| 3.5 实验结果与实验分析 | 第36-42页 |
| 3.5.1 实验数据 | 第37页 |
| 3.5.2 参数影响与设定 | 第37-39页 |
| 3.5.3 实验结果与分析 | 第39-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于参数寻优的p电压图像分类 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 p电压算法的分类阈值 | 第43-44页 |
| 4.2.1 p电压算法步骤 | 第43页 |
| 4.2.2 p电压算法参数寻优 | 第43-44页 |
| 4.3 基于参数寻优的p电压图像分类算法 | 第44-45页 |
| 4.3.1 算法基本思想与步骤 | 第44-45页 |
| 4.3.2 参数寻优对算法时间的影响 | 第45页 |
| 4.4 实验与分析 | 第45-54页 |
| 4.4.1 分类普通图像 | 第45-48页 |
| 4.4.2 分类多光谱遥感图像 | 第48-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-59页 |
| 5.1 本文工作总结 | 第55-56页 |
| 5.2 研究展望 | 第56-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间研究成果 | 第67页 |
