v亚洲无码在线免费,aukg

內(nèi)容簡介

　　本書圍繞小樣本遙感圖像分類任務(wù)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(shè)計兩種不同的子空間學(xué)習(xí)模式，重點(diǎn)解決小樣本圖像分類任務(wù)中存在的由于預(yù)訓(xùn)練特征提取器無法適應(yīng)新的數(shù)據(jù)類別，導(dǎo)致提取的特征鑒別性不足以及含標(biāo)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(xué)習(xí)算法，進(jìn)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(gòu)建遙感數(shù)據(jù)集進(jìn)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(xué)習(xí)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(nèi)容和技術(shù)路線
第2章基于共享類字典學(xué)習(xí)的小樣本遙感圖像分類
2.1 引言
2.2 基于共享類字典學(xué)習(xí)的小樣本遙感圖像分類理論
2.3 實驗結(jié)果與分析
2.4 本章小結(jié)
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(jié)果與分析
3.4 本章小結(jié)
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(jié)果與分析
4.4 本章小結(jié)
第5章基于自訓(xùn)練的小樣本遙感圖像分類
5.1 引言
5.2 支持向量機(jī)
5.3 基于自訓(xùn)練的半監(jiān)督學(xué)習(xí)
5.4 改進(jìn)的自訓(xùn)練半監(jiān)督算法
5.5 實驗結(jié)果與分析
5.6 本章小結(jié)
第6章總結(jié)與展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)