|
|
|
|
高光譜圖像的特征提取及分類算法的研究 |
| |
| 論文目錄 |
| |
| 摘要 | 第4-6頁 | | ABSTRACT | 第6-7頁 | | 1 緒論 | 第10-17頁 | | 1.1 研究背景及意義 | 第10-12頁 | | 1.2 國內外研究現狀 | 第12-15頁 | | 1.2.1 高光譜圖像特征提取與選擇的研究現狀 | 第12-14頁 | | 1.2.2 高光譜圖像分類的研究現狀 | 第14-15頁 | | 1.3 本文章節安排 | 第15-17頁 | | 2 特征提取和分類方法研究 | 第17-28頁 | | 2.1 高光譜圖像的特征提取方法 | 第17-20頁 | | 2.1.1 線性判別分析 | 第17-19頁 | | 2.1.2 主成分分析 | 第19-20頁 | | 2.2 高光譜圖像的分類方法 | 第20-26頁 | | 2.2.1 無監督分類方法 | 第20-21頁 | | 2.2.2 K近鄰算法 | 第21-22頁 | | 2.2.3 支持向量機 | 第22-25頁 | | 2.2.4 神經網絡 | 第25-26頁 | | 2.3 高光譜圖像分類的評價指標 | 第26-27頁 | | 2.3.1 分類精度 | 第26-27頁 | | 2.3.2 Kappa系數 | 第27頁 | | 2.4 本章小結 | 第27-28頁 | | 3 基于正則化模糊判別分析的高光譜圖像的特征提取 | 第28-41頁 | | 3.1 算法的思想 | 第28頁 | | 3.2 正則化模糊判別分析算法 | 第28-32頁 | | 3.2.1 加權空間光譜均值濾波(WSSMF) | 第29頁 | | 3.2.2 模糊K最近鄰(FKNN)分類 | 第29-30頁 | | 3.2.3 正則化模糊判別分析(RFDA) | 第30-32頁 | | 3.2.4 基于FKNN的空間協同分類(SCC) | 第32頁 | | 3.3 算法的復雜性分析和流程 | 第32-33頁 | | 3.4 實驗結果及分析 | 第33-40頁 | | 3.4.1 實驗1:二維合成數據集 | 第33-35頁 | | 3.4.2 實驗2:高光譜圖像分類 | 第35-40頁 | | 3.5 本章小結 | 第40-41頁 | | 4 基于直覺多核模糊聚類的高光譜圖像分類 | 第41-50頁 | | 4.1 直覺模糊聚類介紹 | 第41-43頁 | | 4.2 直覺多核模糊聚類 | 第43-47頁 | | 4.2.1 目標函數 | 第43-44頁 | | 4.2.2 聚類優化 | 第44-47頁 | | 4.3 實驗結果與分析 | 第47-49頁 | | 4.4 本章小結 | 第49-50頁 | | 5 總結和展望 | 第50-52頁 | | 5.1 主要研究與結論 | 第50頁 | | 5.2 論文主要創新點 | 第50-51頁 | | 5.3 問題與展望 | 第51-52頁 | | 參考文獻 | 第52-56頁 | | 致謝 | 第56-57頁 | | 攻讀學位期間的研究成果 | 第57頁 |
|
|
|
|
論文編號BS4734455，這篇論文共57頁
會員購買按0.35元/頁下載，共需支付19.95元。 直接購買按0.5元/頁下載，共需要支付28.5元 。 |
 |
 |
我還不是會員，注冊會員！
會員下載更優惠!充值送錢！ |
我只需要這篇，無需注冊！
直接網上支付，方便快捷！ |
|
|
|
版權申明：本目錄由www.axissecurityny.com網站制作，本站并未收錄原文，如果您是作者，需要刪除本篇論文目錄請通過QQ或其它聯系方式告知我們，我們承諾24小時內刪除。 |
|
|
廣告服務