不同的特征提取方法对高光谱遥感像素点分类结果比较

不同的特征提取方法对高光谱遥感像素点分类结果比较

论文目录
中文摘要	第1-4页
Abstract	第4-8页
第一章引言	第8-11页
1 研究背景及应用	第8-9页
2 文献综述	第9-11页
第二章高光谱遥感及数据特性	第11-14页
1 高光谱遥感	第11页
2 高光谱遥感数据特性	第11-12页
3 对高光谱遥感数据进行特征提取的意义	第12页
4 遥感数据的分类依据	第12-14页
第三章高光谱遥感图像数据预处理方法	第14-19页
1 主成分分析Principle Component Analyse(PCA)降维原理	第14-15页
2 线性判别分析Linear Discriminant Analysis(LDA)降维原理	第15页
3 蚁群优化算法Ant Colony Optimization(ACO)	第15-19页
3.1 蚁群优化算法原理	第15-17页
3.2 蚁群优化算法在特征选择中的应用	第17-19页
第四章分类和支持向量机及遗传算法介绍	第19-22页
1 分类	第19页
2 支持向量机	第19-20页
3 遗传算法Genetic Algrithem(GA)	第20-22页
3.1 遗传算法原理	第20-21页
3.2 GA优化算法中的参数	第21-22页
第五章数据分析结果	第22-30页
1 使用GA优化SVM分类器的核函数参数和调整参数	第22页
2 分类过程与步骤	第22-24页
3 分类结果	第24-28页
3.1 Indian_pines数据集分类结果	第24-27页
3.2 Pavia_U数据集的分类结果	第27-28页
4 数据分析结果总结	第28-30页
第六章总结与展望	第30-32页
参考文献	第32-35页
致谢	第35页

本篇论文共35页，点击这进入下载页面。

高光谱遥感论文特征选择论文 SVM论文 GA参数优化论文
版权申明：目录由用户yangyongho**提供，www.51papers.com仅收录目录，作者需要删除这篇论文目录请点击这里。
\| 设为首页\|\|加入收藏\|\|站内搜索引擎\|\|站点地图\|\|在线购卡\|
版权所有教育论文网 Copyright(C) All Rights Reserved