声明
摘要
第1章绪论
1.1课题研究的背景和意义
1.1.1研究背景
1.1.2课题研究的目的意义
1.2高光谱图像分类的研究现状
1.3论文的研究内容及章节安排
1.4实验数据集与实验环境介绍
第2章高光谱图像典型分类技术
2.1引言
2.2无监督分类方法
2.2.1 K均值聚类
2.2.2谱聚类
2.3监督分类方法
2.3.1最大似然判别法
2.3.2光谱角匹配法
2.3.3最小二乘支持向量机
2.4半监督分类方法
2.4.1拉普拉斯支持向量机
2.4.2自训练
2.4.3基于图的半监督学习
2.5实验结果与仿真
2.6本章小结
第3章结合主动学习和标签传递的半监督分类
3.1引言
3.2方法部分
3.2.1主动学习
3.2.2标签传递算法
3.2.3基于主动学习和标签传递的半监督分类算法
3.3实验部分
3.3.1实验数据
3.3.2实验设置
3.3.3 Indian Pines数据集实验结果与分析
3.3.4帕维亚大学数据集实验结果与分析
3.4本章小结
第4章基于空-谱粒子群优化的半监督分类
4.1引言
4.2方法部分
4.2.1 Gabor空间特征提取
4.2.2粒子群算法
4.2.3基于空-谱粒子群优化的高光谱图像半监督分类
4.3实验部分
4.3.1实验设置
4.3.2 Indian Pines数据集实验结果与分析
4.3.3帕维亚大学数据集实验结果与分析
4.4本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢
哈尔滨工程大学;