|
|
|
基于深度置信网集成的高光谱数据分类方法研究 |
|
论文目录 |
|
摘要 | 第4-5页 | ABSTRACT | 第5-6页 | 第1章 绪论 | 第9-16页 | 1.1 课题背景及研究的目的和意义 | 第9-10页 | 1.2 国内外研究现状及分析 | 第10-13页 | 1.2.1 高光谱数据的特性分析 | 第10-11页 | 1.2.2 深度学习理论及其应用 | 第11-12页 | 1.2.3 高光谱数据分类方法 | 第12-13页 | 1.3 本文的主要研究内容及结构安排 | 第13-16页 | 第2章 高光谱数据在光谱和空间变化下的特性分析 | 第16-26页 | 2.1 引言 | 第16页 | 2.2 高光谱数据的成像原理 | 第16-17页 | 2.3 高光谱数据在光谱和空间变化下特性的度量 | 第17-24页 | 2.3.1 实验图像数据简介 | 第18-20页 | 2.3.2 高光谱数据在光谱变化下的特性 | 第20-22页 | 2.3.3 高光谱数据在空间变化下的特性 | 第22-24页 | 2.4 高光谱数据变化特征及不变特征提取 | 第24-25页 | 2.5 本章小结 | 第25-26页 | 第3章 深度置信网的理论与应用研究 | 第26-35页 | 3.1 引言 | 第26页 | 3.2 深度学习理论简介 | 第26-28页 | 3.2.1 深度学习的基本思想 | 第26-27页 | 3.2.2 深度学习的训练过程 | 第27-28页 | 3.3 限制玻尔兹曼机 | 第28-31页 | 3.3.1 限制玻尔兹曼机的定义 | 第28-30页 | 3.3.2 限制玻尔兹曼机的学习过程 | 第30-31页 | 3.4 深度置信网 | 第31-33页 | 3.4.1 深度置信网的模型定义 | 第31-32页 | 3.4.2 深度置信网的分类结构及学习过程 | 第32-33页 | 3.5 本章小结 | 第33-35页 | 第4章 深度置信网在高光谱数据分类中的应用 | 第35-50页 | 4.1 引言 | 第35页 | 4.2 RBM对高光谱数据的特征提取 | 第35-39页 | 4.2.1 RBM隐层单元的光谱重建 | 第35-38页 | 4.2.2 RBM层间的连接权重 | 第38-39页 | 4.3 基于光谱信息的高光谱数据分类 | 第39-42页 | 4.3.1 基于光谱信息的DBN-LR分类模型 | 第39-40页 | 4.3.2 实验与结果分析 | 第40-42页 | 4.4 基于空间信息的高光谱数据分类 | 第42-46页 | 4.4.1 主成分分析提取光谱信息 | 第43-44页 | 4.4.2 空间信息邻域处理 | 第44页 | 4.4.3 实验与结果分析 | 第44-46页 | 4.5 基于光谱-空间信息的高光谱数据分类 | 第46-49页 | 4.5.1 基于光谱-空间信息的DBN-LR分类模型 | 第46-47页 | 4.5.2 实验及结果分析 | 第47-49页 | 4.6 本章小结 | 第49-50页 | 第5章 基于深度置信网集成的高光谱数据分类 | 第50-59页 | 5.1 引言 | 第50页 | 5.2 集成学习理论简介 | 第50-53页 | 5.2.1 集成学习的基本思想 | 第50-52页 | 5.2.2 集成学习的经典方法介绍 | 第52-53页 | 5.3 基于随机光谱特征选择集成的高光谱数据分类 | 第53-54页 | 5.4 基于随机光谱-空间特征选择集成的高光谱数据分类 | 第54-55页 | 5.5 实验结果及分析 | 第55-58页 | 5.5.1 基于集成学习的方法与单一分类器分类对比实验 | 第55-56页 | 5.5.2 图形用户界面演示简介 | 第56-58页 | 5.6 本章小结 | 第58-59页 | 结论 | 第59-60页 | 参考文献 | 第60-65页 | 攻读硕士学位期间发表的论文及其它成果 | 第65-67页 | 致谢 | 第67页 |
|
|
|
|
论文编号BS3531125,这篇论文共67页 会员购买按0.35元/页下载,共需支付23.45元。 直接购买按0.5元/页下载,共需要支付33.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|