版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、哈爾濱工程大學(xué)碩士學(xué)位論文基于支持向量機(jī)的高光譜圖像分類技術(shù)研究姓名：孫麗娟申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：信號(hào)與信息處理指導(dǎo)教師：王立國201103基于支持向量機(jī)的高光譜圖像分類技術(shù)研究ABSTRACTHyperspectralremotesensinghasbeenbecomethefrontlineofremotesensingareaandplaysanimportantroleinfeldssuchasmilitaryandcivil
2、fieldHighspectralresolution，manybands，narrowbandwidthandlargdataamountofhyperspectralimagenotonlybringgreatresearchvalueforhumanbeings，butalsobringgreatchallengeforprocessingthemMethodsofmultispectralimageryprocessingare
3、nolongerapplicabletohyperspectralimageryIt’SurgenttofmdrapidandaccuratemethodsfordiscoveringinterestedinformationfromthehugedataproducedbyhyperspectralsensorsHyperspectralremotesensingimageclassificationisoneofthekeytech
4、nologiesinremotesensingapplicationsfieldanditshighspeedaswellashighaccuracyalgorithmisthepreconditionofpracticalapplicationsTraditionalpatternclassificationmethodsarebasedontheprincipleofexperientialriskminimization，andt
5、heycanachievethebestresultonlywhenthenumberofsamplesapproachesinfinityUnfortunatelyinhyperspectralimageclassification，trainingsamplesaxeusuallylimitedAccordingtoclassificationfeaturesofhyperspectralremotesensingimage，thi
6、sdissertationtakesdeepstudyonsupportvectormachine(SⅥ峋anditsapplicationsinhyperspectralremotesensingimageclassificationbymeansofthegoodgeneralizationofsupportvectormachinesinsmallsamples，nonlinearityandhighdimensionspaceM
7、aincontributionsofthisthesisaregivenasfollows：1ItintroducesthecharacteristicsofHSI，thedevelopmentofimagingspectroscopyaswellasofthe—stateoftheartofimprovingHSIresolution，andexplainsthebackgroundandapplicationvalueofthisr
8、esearch2ItanalyzestheclassificationmethodsofbothtraditionalsupervisedofhyperspectralimagesandsupportvectormachinesThesimulationexperimentsresultofhyperspectralimageryclassificationshowstheirclassificationperformance，poin
9、tsoutthedisadvantagesoftraditionalclassificationmethodswhileapplyingtohyperspectraldata，andpresentstheuniqueadvantagesoftheSVM3BydeepstudyonSVM，itanalyzesthatclassificationvalueisdeviatedbyintroducingthekernelfunctionint
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量機(jī)的高光譜圖像分類研究.pdf
- 基于支持向量機(jī)的高光譜遙感圖像分類.pdf
- 基于支持向量機(jī)的高光譜遙感圖像分類方法研究.pdf
- 結(jié)合空間信息的高光譜圖像支持向量機(jī)分類研究.pdf
- 基于支持向量機(jī)的高光譜多類別分類研究.pdf
- 基于支持向量機(jī)的超譜圖像分類技術(shù)研究.pdf
- 基于相關(guān)向量機(jī)的高光譜圖像分類算法研究.pdf
- 基于相關(guān)向量機(jī)的高光譜遙感圖像分類研究.pdf
- 基于改進(jìn)支持向量機(jī)的高光譜遙感影像分類方法研究.pdf
- 基于高光譜圖像的目標(biāo)分類技術(shù)研究.pdf
- 基于支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)的圖像分類技術(shù)研究
- 基于支持向量機(jī)的網(wǎng)頁分類技術(shù)研究.pdf
- 基于支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)的圖像分類技術(shù)研究.pdf
- 基于統(tǒng)計(jì)的高光譜圖像分類技術(shù)研究.pdf
- 高光譜圖像的分類技術(shù)研究.pdf
- 基于統(tǒng)計(jì)的高光譜圖像分類技術(shù)研究(1)
- 基于支持向量機(jī)的醫(yī)學(xué)圖像相關(guān)技術(shù)研究.pdf
- 基于支持向量機(jī)的多光譜數(shù)據(jù)分類.pdf
- 基于支持向量機(jī)的圖像分類方法研究.pdf
- 基于對(duì)支持向量機(jī)的醫(yī)學(xué)圖像分類研究.pdf
評(píng)論
0/150
提交評(píng)論