声明
第一章 绪论
1.1 课题的研究背景及意义
1.2 课题研究现状及分析
1.2.1高光谱图像分类现状
1.2.2 深度学习理论和卷积神经网络研究现状
1.2.3高光谱图像跨域分类现状
1.3 高光谱实验数据集简介
1.3.1 Indian Pines数据集
1.3.2 Pavia University数据集
1.3.3 Salinas数据集
1.3.4 KSC数据集
1.3.5各个数据集光谱数据结构
1.3.6 分类效果评价指标
1.4 本文主要研究内容及结构安排
第二章 深层残差三维卷积神经网络结构的研究
2.1 引言
2.2 高光谱图像分类方法
2.3 卷积神经网络的主要方法
2.3.1 深度神经网络的方法和发展
2.3.2 反向传播算法
2.3.3 二维和三维卷积神经网络方法
2.3.4 残差网络方法
2.4 “瓶颈”结构残差三维卷积块结构
2.5残差三维卷积块结构
2.6 批归一化算法
2.7 深层残差三维卷积神经网络
2.8 实验结果与分析
2.9 本章小结
第三章 深层残差网络结构的自适应超参数估计与优化
3.1 引言
3.2超参数估计与优化方法
3.2.1 超参数优化方法
3.2.2 TPE超参数优化算法
3.3 网络输入参数调优
3.4 深层残差网络结构的自适应TPE超参数优化步骤
3.5 实验结果与分析
3.5.1 输入参数实验
3.5.2 TPE超参数优化网络分类实验
3.6 本章小结
第四章 残差三维卷积神经网络跨域分类算法
4.1 引言
4.2 跨域分类方法
4.3 特定数据集分析层
4.4 特定数据集分类层
4.5 跨域分类步骤
4.6 实验结果与分析
4.6.1 特定数据集分析层对跨域网络的影响实验
4.6.2单数据集的跨域分类实验
4.6.3多数据集的跨域分类实验
4.7 本章小结
第五章 结论与展望
5.1 结论
5.2 展望
参考文献
致谢
攻读学位期间发表的学术论文
个人简历
