论文目录 | |
摘要 | 第1-4
页 |
ABSTRACT | 第4-8
页 |
第一章 绪论 | 第8-14
页 |
· 研究背景及意义 | 第8-9
页 |
· 遥感图像理解的研究内容及进展 | 第9-11
页 |
· 遥感图像的分割和分类 | 第9-10
页 |
· 遥感图像的目标识别 | 第10-11
页 |
· 论文的主要内容和安排 | 第11-14
页 |
第二章 半监督学习的理论和方法 | 第14-20
页 |
· 半监督学习的背景和意义 | 第14-15
页 |
· 半监督学习满足的假设 | 第15-16
页 |
· 半监督学习的几种方法 | 第16-20
页 |
第三章 基于谱聚类的半监督多光谱遥感图像分割 | 第20-30
页 |
· 引言 | 第20-21
页 |
· 多光谱遥感图像分割简介 | 第21-22
页 |
· 多光谱遥感数据的特征和地物目标特性 | 第21-22
页 |
· 多光谱遥感图像分割常用方法 | 第22
页 |
· 半监督的谱聚类 | 第22-23
页 |
· 基于随机均匀采样技术结合最近邻准则的半监督多参数谱聚类 | 第23-25
页 |
· 基于谱聚类的半监督多光谱遥感图像分割 | 第25-28
页 |
· 小结 | 第28-30
页 |
第四章 基于半监督路径相似度的Semi-Boost集成SAR目标识别 | 第30-44
页 |
· 引言 | 第30-31
页 |
· SAR图像目标识别简介 | 第31-33
页 |
· SAR图像目标识别的背景 | 第31-32
页 |
· SAR目标识别系统 | 第32-33
页 |
· 基于路径的半监督相似度度量 | 第33-35
页 |
· 基于路径的相似度度量 | 第33-34
页 |
· 基于路径的半监督相似度度量 | 第34-35
页 |
· 个体学习机——支撑矢量机 | 第35-36
页 |
· 基于半监督路径相似度的Semi-Boost集成 | 第36-39
页 |
· Semi-Boost | 第36-38
页 |
· 基于半监督路径相似度的Semi-Boost集成 | 第38-39
页 |
· 基于半监督路径相似度的Semi-Boost集成SAR目标识别 | 第39-42
页 |
· 小结 | 第42-44
页 |
第五章 基于Boosting的谱聚类集成 | 第44-56
页 |
· 引言 | 第44-45
页 |
· 聚类集成问题 | 第45-46
页 |
· 具有多样性的个体谱聚类的构造 | 第46-48
页 |
· 个体谱聚类——NJW | 第46-47
页 |
· 多样性的产生—基于Boosting的自适应重采样 | 第47-48
页 |
· 多个谱聚类的结果的合并 | 第48-49
页 |
· 基于Boosting的谱聚类集成SAR图像分割 | 第49-55
页 |
· UCI数据的划分 | 第49-51
页 |
· 合成纹理图像的分割 | 第51-52
页 |
· SAR图像的分割 | 第52-55
页 |
· 小结 | 第55-56
页 |
总结与展望 | 第56-58
页 |
致谢 | 第58-60
页 |
参考文献 | 第60-66
页 |
硕士阶段研究成果 | 第66-67
页 |