第一个书签之前
摘 要
ABSTRACT
1 绪 论
1.1 研究背景与意义
1.2 国内外研究现状
1.3 研究内容及章节结构
2卷积神经网络与马尔科夫随机场
2.1 引言
2.2 卷积神经网络
2.2.1 卷积神经网络基本思想
2.2.2 卷积神经网络基本结构
2.3 马尔科夫随机场
2.3.1 马尔科夫随机场基本理论
2.3.2 马尔科夫随机场建模方法
2.4 本章小结
3基于空-谱深度特征融合的卷积神经网络高光谱遥感图像分类
3.1 引言
3.2 卷积神经网络调优方法
3.2.1 激活函数选择
3.2.2 限制过拟合策略
3.3 基于空-谱深度特征融合的高光谱遥感图像分类
3.3.1 网络结构设计
3.3.2 SSCF-CNN高光谱遥感图像分类算法
3.3.3 实验数据概况
3.3.4 实验数据预处理
3.3.5 分类精度评价方法
3.3.6 实验结果对比及分析
3.4 本章小结
4基于CNN和MRF的高光谱遥感图像分类
4.1 引言
4.2 MAP最优分类估计
4.3 基于CNN和MRF的高光谱遥感图像分类算法
4.3.1 MAP-MRF标记优化框架
4.3.2 标记优化算法的ICM求解
4.3.3 SSCF-CNN-MRF高光谱遥感图像分类算法
4.3.4 实验结果及对比分析
4.4 本章小结
5 基于空-谱随机特征和多轮投票的集成学习高光谱遥感图像分类
5.1 引言
5.2 集成学习简介
5.2.1 集成学习基本概念
5.2.2 常用分类器集成方法
5.3 基于空-谱随机特征和多轮投票的集成学习高光谱遥感图像分类
5.3.1 集成学习分类算法设计
5.3.2 SSCF-Bagging高光谱遥感图像分类算法
5.3.3 实验结果及对比分析
5.4 本章小结
6 总结与展望
参考文献
致谢
攻读学位期间取得的学术成果和获奖情况