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),請進行舉報或認領(lǐng)
文檔簡介
1、西安電子科技大學碩士學位論文基于半監(jiān)督集成的遙感圖像的分割和分類姓名:王婷申請學位級別:碩士專業(yè):模式識別與智能系統(tǒng)指導教師:焦李成20091201ABSTRACTIIIABSTRACTTheearthobservationtechnologyofremotesensinghasbeenwidelyusedinbattlefieldintelligenceandreconnaissance,targetrecognition,clima
2、techangemonitoring,vegetationmonitoring,disastermonitoring,digitalearthetcSegmentation,classificationandrecognitionarethekeytechnologiesinremotesensingimageprocessingandinterpretationInrecentyears,semi—supervisedlearning
3、hasattractedincreasingattention,SOthispaperhavearesearchonremotesensingimageprocessingusingthesemi—supervisedlearningtheoryandmethodsThemaincontributionsofthispapercallbesummarizedasfollows:1Asemi—supervisedspectralclust
4、eringalgorithmforlargescaledataclusteringisproposedTheuniformsamplingtechniquecombinedwithnearestneighborruleisusedforthelargescaledataclusteringPairwiseconstraintsareincorporatedintospectralclustertoconstructsemi—superv
5、isedspectralclusteringinwhichtheselftuningparameterisappliedtoavoidtheselectionofthescalingparameterTheexperimentalresultsonthesegmentationofmultispectralremotesensingimageshowtheeffectivenessandpotentialoftheproposedmet
6、hod2BasedontheSemi—BoostensemblemethodwithsemisupervisedpathbasedsimilarityatargetrecognitionsystemfortheSARimagesisputforwardAddthepairwiseconstraintsinformationgeneratedbythelabeledsamplesintothesimilaritymatrixAndguid
7、edbythesimilaritymatrixtheunlabeledsamples、析tllllighconfidenceareaddedintothetrainingsamplesandfinallytheperformanceofthealgorithmisimprovedbyensemblingmulti—SVMswithweightedcomponentTheexperimentalresultsshowthatthetarg
8、etrecognitionaccuracyoftheproposedalgorithmishigherthanthatofothertraditionalmethods3AnspectralclusteringensemblemethodbasedonboostingisproposedandappliedtothesegmentationofSARimagesTheindividualspectralclusteringalgorit
9、hmisconstructedbyadaptiveresamplingtechniquebasedonboostingandrandomscalingparametersThefinalclusteringisobtainedbyMCLAforthecombinationofcomponentclusteringTheexperimentalresultsonUCIdatasets,thesegmentationofsynthetict
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于半監(jiān)督分類的遙感圖像云判方法研究.pdf
- 基于半監(jiān)督集成學習的高光譜圖像分類.pdf
- 高光譜遙感圖像半監(jiān)督分類方法的研究.pdf
- 實驗四遙感圖像的監(jiān)督分類和非監(jiān)督分類
- 基于半監(jiān)督學習的遙感影像分類.pdf
- 空譜聯(lián)合高光譜遙感圖像半監(jiān)督分類.pdf
- 基于集成學習的高光譜遙感圖像分類.pdf
- 基于半監(jiān)督聚類的圖像分割算法研究.pdf
- 基于稀疏編碼的半監(jiān)督圖像分類研究.pdf
- 基于半監(jiān)督集成學習的情感分類方法研究.pdf
- 基于半監(jiān)督學習和區(qū)域特性的圖像分割算法研究.pdf
- 實習遙感圖像分類(一)監(jiān)督分類
- 基于集成學習的多光譜遙感圖像分類研究.pdf
- 基于半監(jiān)督和集成學習的不平衡數(shù)據(jù)特征選擇和分類.pdf
- 基于半監(jiān)督學習的靜態(tài)極光圖像分類.pdf
- 基于半監(jiān)督聚類的織物圖像分割算法研究.pdf
- 基于約束的半監(jiān)督聚類的圖像分割算法研究.pdf
- 基于多分類器投票集成的半監(jiān)督情感分類方法研究.pdf
- 基于半監(jiān)督和集成學習的交互式圖像檢索算法研究.pdf
- 基于半監(jiān)督學習的圖像分割系統(tǒng)的設(shè)計與實現(xiàn).pdf
評論
0/150
提交評論