面向大规模图像的半监督分类方法研究及应用 |
论文目录 | | | 摘要 | 第1-5页 | | Abstract | 第5-9页 | | 第一章 绪论 | 第9-15页 | | · 引言 | 第9页 | | · 研究现状和研究意义 | 第9-13页 | | · 研究现状 | 第9-12页 | | · 研究意义 | 第12-13页 | | · 论文研究内容 | 第13页 | | · 论文组织 | 第13-15页 | | 第二章 基于图的半监督分类算法理论框架 | 第15-19页 | | · 基于图的半监督分类算法的基本假设 | 第15页 | | · 基于图的半监督分类理论 | 第15-16页 | | · 基于图的半监督分类算法 | 第16-18页 | | · 标签传播(Labeled Propagation,LP) | 第16-17页 | | · LapSVM(Laplacian Support Vector Machine) | 第17-18页 | | · 本章小结 | 第18-19页 | | 第三章 约减数据的半监督图像分类 | 第19-33页 | | · 引言 | 第19-20页 | | · AGR分类算法 | 第20-22页 | | · 数据约减的半监督图像分类算法 | 第22-25页 | | · Mean shift聚类约减数据规模 | 第22-23页 | | · 数据约减的半监督分类以及分类映射 | 第23-24页 | | · 本文算法的复杂度分析 | 第24-25页 | | · 实验结果与分析 | 第25-31页 | | · 本章小结 | 第31-33页 | | 第四章 最小代价路径标签传播算法 | 第33-51页 | | · 引言 | 第33页 | | · 最小代价路径标签传播算法 | 第33-41页 | | · 最小代价路径标签传播 | 第33-35页 | | · 基于最小生成树求最小代价路径 | 第35-36页 | | · 最小生成树的构建 | 第36-37页 | | · 图的连通性问题 | 第37-39页 | | · 最小代价路径标记传播算法复杂度分析 | 第39页 | | · MCPLP算法与LP算法、AGR算法、MMLP算法的比较 | 第39-41页 | | · 实验与分析 | 第41-50页 | | · 基于基准数据集的半监督分类实验 | 第41-43页 | | · 连通性问题实验 | 第43-45页 | | · 图像分类实验 | 第45-50页 | | · 结论 | 第50-51页 | | 第五章 高光谱遥感图像半监督分类 | 第51-67页 | | · 引言 | 第51-52页 | | · 常用的高光谱遥感图像及分类精度评价指标 | 第52-56页 | | · 高光谱遥感图像 | 第52-56页 | | · 分类结果评价指标 | 第56页 | | · 高光谱遥感图像半监督分类实验 | 第56-65页 | | · Indian Pines高光谱图像实验结果 | 第57-59页 | | · Pavia University高光谱图像实验结果 | 第59-62页 | | · Salinas高光谱图像实验结果 | 第62-65页 | | · 结论 | 第65-67页 | | 第六章 总结与展望 | 第67-71页 | | · 本文工作总结 | 第67-68页 | | · 研究展望 | 第68-71页 | | 参考文献 | 第71-79页 | | 致谢 | 第79-81页 | | 攻读学位期间研究成果 | 第81页 |
|
|
|
| |
