智能優(yōu)化方法及其在高光譜圖像處理中的應(yīng)用

第l章 緒論
1.1 高光譜圖像降維研究現(xiàn)狀
1.2 高光譜圖像分類研究現(xiàn)狀
1.3 高光譜數(shù)據(jù)介紹
參考文獻(xiàn)
第2章 基于多目標(biāo)優(yōu)化和稀疏表示的高光譜圖像波段選擇方法
2.1 多目標(biāo)優(yōu)化理論
2.2 稀疏理論
2.3 基于多目標(biāo)優(yōu)化的稀疏自表示波段選擇方法
2.4 實(shí)驗(yàn)結(jié)果分析
2.5 本章小結(jié)
參考文獻(xiàn)
第3章 基于深度子空間聚類網(wǎng)絡(luò)的高光譜圖像波段選擇方法
3.1 子空間聚類
3.2 基于深度子空間聚類網(wǎng)絡(luò)的高光譜圖像波段選擇方法
3.3 實(shí)驗(yàn)結(jié)果分析
3.4 本章小結(jié)
參考文獻(xiàn)
第4章 基于端到端的高光譜圖像波段選擇框架
4.1 基于端到端的高光譜圖像波段選擇結(jié)構(gòu)
4.2 實(shí)驗(yàn)結(jié)果分析
4.3 本章小結(jié)
參考文獻(xiàn)
第5章 深度森林的改進(jìn)及其在高光譜圖像分類中的應(yīng)用
5.1 深度森林
5.2 改進(jìn)的深度森林用于基于空間信息的HS1分類算法
5.3 實(shí)驗(yàn)結(jié)果分析
5.4 本章小結(jié)
參考文獻(xiàn)
第6章 基于多目標(biāo)優(yōu)化的超限學(xué)習(xí)機(jī)在高光譜圖像分類中的應(yīng)用
6.1 超限學(xué)習(xí)機(jī)
6.2 基于多目標(biāo)優(yōu)化的超限學(xué)習(xí)機(jī)
6.3 實(shí)驗(yàn)結(jié)果分析
6.4 本章小結(jié)
參考文獻(xiàn)
第7章 總結(jié)