美女被抽插到哭内射视频免费 ,2021年天堂无码视频

內容簡介

　　本書圍繞小樣本遙感圖像分類任務展開具體研究工作，研究過程采用改善圖像特征提取和分類器設計兩種不同的子空間學習模式，重點解決小樣本圖像分類任務中存在的由于預訓練特征提取器無法適應新的數(shù)據(jù)類別，導致提取的特征鑒別性不足以及含標簽樣本過少，帶來的樣本分布與實際數(shù)據(jù)分布存在偏差等問題。本書提出了系列的子空間學習算法，進一步改善小樣本遙感圖像分類性能，并在公有遙感數(shù)據(jù)集及自行構建遙感數(shù)據(jù)集進行實驗測試、數(shù)據(jù)統(tǒng)計、圖表分析和遙感實景圖片可視化展示。

作者簡介

暫缺《子空間學習模式下的小樣本遙感圖像分類算法研究》作者簡介

圖書目錄

第1章緒論
1.1 研究背景及意義
1.2 外研究現(xiàn)狀分析
1.3 本書主要研究內容和技術路線
第2章基于共享類字典學習的小樣本遙感圖像分類
2.1 引言
2.2 基于共享類字典學習的小樣本遙感圖像分類理論
2.3 實驗結果與分析
2.4 本章小結
第3章基于共享類稀疏PCA的小樣本遙感圖像分類
3.1 引言
3.2 用于小樣本遙感場景分類的共享類稀疏PCA
3.3 實驗結果與分析
3.4 本章小結
第4章基于特定類稀疏PCA的小樣本遙感圖像分類
4.1 引言
4.2 用于小樣本遙感場景分類的特定類稀疏PCA
4.3 實驗結果與分析
4.4 本章小結
第5章基于自訓練的小樣本遙感圖像分類
5.1 引言
5.2 支持向量機
5.3 基于自訓練的半監(jiān)督學習
5.4 改進的自訓練半監(jiān)督算法
5.5 實驗結果與分析
5.6 本章小結
第6章總結與展望
6.1 總結
6.2 展望
參考文獻