|
|
|
|
高光谱图像的特征提取及分类算法的研究 |
| |
| 论文目录 |
| |
| 摘要 | 第4-6页 | | ABSTRACT | 第6-7页 | | 1 绪论 | 第10-17页 | | 1.1 研究背景及意义 | 第10-12页 | | 1.2 国内外研究现状 | 第12-15页 | | 1.2.1 高光谱图像特征提取与选择的研究现状 | 第12-14页 | | 1.2.2 高光谱图像分类的研究现状 | 第14-15页 | | 1.3 本文章节安排 | 第15-17页 | | 2 特征提取和分类方法研究 | 第17-28页 | | 2.1 高光谱图像的特征提取方法 | 第17-20页 | | 2.1.1 线性判别分析 | 第17-19页 | | 2.1.2 主成分分析 | 第19-20页 | | 2.2 高光谱图像的分类方法 | 第20-26页 | | 2.2.1 无监督分类方法 | 第20-21页 | | 2.2.2 K近邻算法 | 第21-22页 | | 2.2.3 支持向量机 | 第22-25页 | | 2.2.4 神经网络 | 第25-26页 | | 2.3 高光谱图像分类的评价指标 | 第26-27页 | | 2.3.1 分类精度 | 第26-27页 | | 2.3.2 Kappa系数 | 第27页 | | 2.4 本章小结 | 第27-28页 | | 3 基于正则化模糊判别分析的高光谱图像的特征提取 | 第28-41页 | | 3.1 算法的思想 | 第28页 | | 3.2 正则化模糊判别分析算法 | 第28-32页 | | 3.2.1 加权空间光谱均值滤波(WSSMF) | 第29页 | | 3.2.2 模糊K最近邻(FKNN)分类 | 第29-30页 | | 3.2.3 正则化模糊判别分析(RFDA) | 第30-32页 | | 3.2.4 基于FKNN的空间协同分类(SCC) | 第32页 | | 3.3 算法的复杂性分析和流程 | 第32-33页 | | 3.4 实验结果及分析 | 第33-40页 | | 3.4.1 实验1:二维合成数据集 | 第33-35页 | | 3.4.2 实验2:高光谱图像分类 | 第35-40页 | | 3.5 本章小结 | 第40-41页 | | 4 基于直觉多核模糊聚类的高光谱图像分类 | 第41-50页 | | 4.1 直觉模糊聚类介绍 | 第41-43页 | | 4.2 直觉多核模糊聚类 | 第43-47页 | | 4.2.1 目标函数 | 第43-44页 | | 4.2.2 聚类优化 | 第44-47页 | | 4.3 实验结果与分析 | 第47-49页 | | 4.4 本章小结 | 第49-50页 | | 5 总结和展望 | 第50-52页 | | 5.1 主要研究与结论 | 第50页 | | 5.2 论文主要创新点 | 第50-51页 | | 5.3 问题与展望 | 第51-52页 | | 参考文献 | 第52-56页 | | 致谢 | 第56-57页 | | 攻读学位期间的研究成果 | 第57页 |
|
|
|
|
论文编号BS4734455，这篇论文共57页
会员购买按0.35元/页下载，共需支付19.95元。 直接购买按0.5元/页下载，共需要支付28.5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。 |
|
|
广告服务