智能优化方法及其在高光谱图像处理中的应用

智能优化方法及其在高光谱图像处理中的应用
分享
扫描下方二维码分享到微信
打开微信,点击右上角”+“,
使用”扫一扫“即可将网页分享到朋友圈。
作者: , , ,
2021-12
版次: 1
ISBN: 9787562550358
定价: 68.00
装帧: 平装
开本: 16开
页数: 131页
分类: 自然科学
1人买过
  • 本书是以高光谱图像的数据分析、波段选择和分类为线索编写的。全书内容分为7章:第1章介绍了高光谱图像降维和分类的国内外研究现状,以及高光谱图像数据特点和评价指标;第2章至第4章分别介绍了多目标优化的稀疏自表示、深度子空间聚类、端到端等用于波段选择的智能优化方法;第5章至第6章分别阐述了深度森林、多目标优化的超限学习机等用于分类的智能优化方法;第7章对本书所介绍的内容进行了总结,并就智能优化方法用于高光谱图像处理进行了展望。 刘小波,博士,中国地质大学(武汉)自动化学院副教授、博士生导师,主要从事演化计算、数据挖掘、高光谱遥感方面的研究工作。2012年毕业于中国地质大学(武汉)获地学信息工程博士学位,2010年9月至2011年12月,国家公派加拿大新布伦瑞克大学计算机学院联合培养。目前主持了国家自然科学基金2项,湖北省自然科学基金1项,中国地质大学(武汉)“优秀青年”基金1项,作为核心成员参与了国家自然科学基金项目、“863计划”子课题、“十一五”国家科技攻关项目等。 第l章  绪论
      1.1  高光谱图像降维研究现状
      1.2  高光谱图像分类研究现状
      1.3  高光谱数据介绍
    参考文献
    第2章  基于多目标优化和稀疏表示的高光谱图像波段选择方法
      2.1  多目标优化理论
      2.2  稀疏理论
      2.3  基于多目标优化的稀疏自表示波段选择方法
      2.4  实验结果分析
      2.5  本章小结
    参考文献
    第3章  基于深度子空间聚类网络的高光谱图像波段选择方法
      3.1  子空间聚类
      3.2  基于深度子空间聚类网络的高光谱图像波段选择方法
      3.3  实验结果分析
      3.4  本章小结
    参考文献
    第4章  基于端到端的高光谱图像波段选择框架
      4.1  基于端到端的高光谱图像波段选择结构
      4.2  实验结果分析
      4.3  本章小结
    参考文献
    第5章  深度森林的改进及其在高光谱图像分类中的应用
      5.1  深度森林
      5.2  改进的深度森林用于基于空间信息的HS1分类算法
      5.3  实验结果分析
      5.4  本章小结
    参考文献
    第6章  基于多目标优化的超限学习机在高光谱图像分类中的应用
      6.1  超限学习机
      6.2  基于多目标优化的超限学习机
      6.3  实验结果分析
      6.4  本章小结
    参考文献
    第7章  总结
  • 内容简介:
    本书是以高光谱图像的数据分析、波段选择和分类为线索编写的。全书内容分为7章:第1章介绍了高光谱图像降维和分类的国内外研究现状,以及高光谱图像数据特点和评价指标;第2章至第4章分别介绍了多目标优化的稀疏自表示、深度子空间聚类、端到端等用于波段选择的智能优化方法;第5章至第6章分别阐述了深度森林、多目标优化的超限学习机等用于分类的智能优化方法;第7章对本书所介绍的内容进行了总结,并就智能优化方法用于高光谱图像处理进行了展望。
  • 作者简介:
    刘小波,博士,中国地质大学(武汉)自动化学院副教授、博士生导师,主要从事演化计算、数据挖掘、高光谱遥感方面的研究工作。2012年毕业于中国地质大学(武汉)获地学信息工程博士学位,2010年9月至2011年12月,国家公派加拿大新布伦瑞克大学计算机学院联合培养。目前主持了国家自然科学基金2项,湖北省自然科学基金1项,中国地质大学(武汉)“优秀青年”基金1项,作为核心成员参与了国家自然科学基金项目、“863计划”子课题、“十一五”国家科技攻关项目等。
  • 目录:
    第l章  绪论
      1.1  高光谱图像降维研究现状
      1.2  高光谱图像分类研究现状
      1.3  高光谱数据介绍
    参考文献
    第2章  基于多目标优化和稀疏表示的高光谱图像波段选择方法
      2.1  多目标优化理论
      2.2  稀疏理论
      2.3  基于多目标优化的稀疏自表示波段选择方法
      2.4  实验结果分析
      2.5  本章小结
    参考文献
    第3章  基于深度子空间聚类网络的高光谱图像波段选择方法
      3.1  子空间聚类
      3.2  基于深度子空间聚类网络的高光谱图像波段选择方法
      3.3  实验结果分析
      3.4  本章小结
    参考文献
    第4章  基于端到端的高光谱图像波段选择框架
      4.1  基于端到端的高光谱图像波段选择结构
      4.2  实验结果分析
      4.3  本章小结
    参考文献
    第5章  深度森林的改进及其在高光谱图像分类中的应用
      5.1  深度森林
      5.2  改进的深度森林用于基于空间信息的HS1分类算法
      5.3  实验结果分析
      5.4  本章小结
    参考文献
    第6章  基于多目标优化的超限学习机在高光谱图像分类中的应用
      6.1  超限学习机
      6.2  基于多目标优化的超限学习机
      6.3  实验结果分析
      6.4  本章小结
    参考文献
    第7章  总结
查看详情
您可能感兴趣 / 更多
智能优化方法及其在高光谱图像处理中的应用
穿越云层的光亮()
刘小波
智能优化方法及其在高光谱图像处理中的应用
工业机器人技术基础(第2版)
刘小波 编
智能优化方法及其在高光谱图像处理中的应用
流行音乐产业符号学研究
刘小波 著;陆正兰、胡易容 编
智能优化方法及其在高光谱图像处理中的应用
楚汉大梦
刘小波 著
智能优化方法及其在高光谱图像处理中的应用
图形图像处理/中等职业教育计算机专业系列教材
刘小波 编
智能优化方法及其在高光谱图像处理中的应用
语文 : 基础模块
刘小波 主编
智能优化方法及其在高光谱图像处理中的应用
21世纪高职高专电子信息类实用规划教材:自动检测技术
刘小波 编
智能优化方法及其在高光谱图像处理中的应用
漫游中国系例丛书:山西
刘小波 著
智能优化方法及其在高光谱图像处理中的应用
张爱玲画传
刘小波
智能优化方法及其在高光谱图像处理中的应用
徐志摩画传
刘小波 著
智能优化方法及其在高光谱图像处理中的应用
安藤忠雄
刘小波
智能优化方法及其在高光谱图像处理中的应用
普通话训练与口才艺术
刘小波、王海天 著