高光谱图像的特征选择方法研究 |
论文目录 | | | 摘要 | 第1-5页 | | Abstract | 第5-9页 | | 1 绪论 | 第9-20页 | | 1.1 研究背景及意义 | 第9页 | | 1.2 高光谱遥感 | 第9-12页 | | 1.3 高光谱降维 | 第12-14页 | | 1.4 高光谱分类 | 第14-15页 | | 1.5 数据集描述 | 第15-18页 | | 1.5.1 Indian Pines数据集 | 第16-17页 | | 1.5.2 Pavia University数据集 | 第17页 | | 1.5.3 Salinas数据集 | 第17-18页 | | 1.6 论文组织结构 | 第18-20页 | | 2 特征选择 | 第20-28页 | | 2.1 特征选择框架 | 第20-23页 | | 2.1.1 特征子集生成 | 第21-22页 | | 2.1.2 特征子集评价 | 第22-23页 | | 2.1.3 停止准则 | 第23页 | | 2.1.4 子集验证 | 第23页 | | 2.2 特征选择方法研究 | 第23-27页 | | 2.2.1 基于监督的特征选择方法研究 | 第24-25页 | | 2.2.2 基于无监督的特征选择方法研究 | 第25-27页 | | 2.3 本章小结 | 第27-28页 | | 3 基于过滤式的高光谱图像波段选择方法 | 第28-44页 | | 3.1 基于IG-GWO的波段选择方法 | 第28-32页 | | 3.1.1 信息增益(Information Gain,IG) | 第28-29页 | | 3.1.2 灰狼优化器(Grey Wolf Optimizer,GWO) | 第29-31页 | | 3.1.3 IG-GWO算法 | 第31-32页 | | 3.2 实验结果分析 | 第32-43页 | | 3.2.1 分类结果分析 | 第33-36页 | | 3.2.2 对比试验分析 | 第36-39页 | | 3.2.3 实验参数分析 | 第39-43页 | | 3.3 本章小结 | 第43-44页 | | 4 基于无监督的高光谱图像波段选择方法 | 第44-61页 | | 4.1 基于ISD-ABC的波段选择方法 | 第44-49页 | | 4.1.1 改进的子空间分解技术(Improved Subspace Decomposition,ISD) | 第44-46页 | | 4.1.2 极大熵原理(Maximum Entropy,ME) | 第46页 | | 4.1.3 人工蜂群算法(Artificial Bee colony,ABC) | 第46-47页 | | 4.1.4 ISD-ABC算法 | 第47-49页 | | 4.2 实验结果分析 | 第49-60页 | | 4.2.1 分类结果分析 | 第49-54页 | | 4.2.2 对比实验分析 | 第54-57页 | | 4.2.3 参数灵敏性分析 | 第57-58页 | | 4.2.4 搜索效率分析 | 第58-60页 | | 4.3 本章小结 | 第60-61页 | | 5 总结与展望 | 第61-62页 | | 5.1 论文工作总结 | 第61页 | | 5.2 展望 | 第61-62页 | | 参考文献 | 第62-67页 | | 攻读硕士学位期间发表学术论文情况 | 第67-68页 | | 致谢 | 第68页 |
|
|
|
