智能優(yōu)化方法及其在高光譜圖像處理中的應(yīng)用

定　價(jià)：￥68.00

作　者：	劉小波，蔡之華，蔡耀明，姜鑫維著
出版社：	中國(guó)地質(zhì)大學(xué)出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

京東 (￥59.80)

ISBN：	9787562550358	出版時(shí)間：	2021-12-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	131	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)是以高光譜圖像的數(shù)據(jù)分析、波段選擇和分類(lèi)為線(xiàn)索編寫(xiě)的。全書(shū)內(nèi)容分為7章：第1章介紹了高光譜圖像降維和分類(lèi)的國(guó)內(nèi)外研究現(xiàn)狀，以及高光譜圖像數(shù)據(jù)特點(diǎn)和評(píng)價(jià)指標(biāo)；第2章至第4章分別介紹了多目標(biāo)優(yōu)化的稀疏自表示、深度子空間聚類(lèi)、端到端等用于波段選擇的智能優(yōu)化方法；第5章至第6章分別闡述了深度森林、多目標(biāo)優(yōu)化的超限學(xué)習(xí)機(jī)等用于分類(lèi)的智能優(yōu)化方法；第7章對(duì)本書(shū)所介紹的內(nèi)容進(jìn)行了總結(jié)，并就智能優(yōu)化方法用于高光譜圖像處理進(jìn)行了展望。

作者簡(jiǎn)介

　　劉小波，博士，中國(guó)地質(zhì)大學(xué)（武漢）自動(dòng)化學(xué)院副教授、博士生導(dǎo)師，主要從事演化計(jì)算、數(shù)據(jù)挖掘、高光譜遙感方面的研究工作。2012年畢業(yè)于中國(guó)地質(zhì)大學(xué)（武漢）獲地學(xué)信息工程博士學(xué)位，2010年9月至2011年12月，國(guó)家公派加拿大新布倫瑞克大學(xué)計(jì)算機(jī)學(xué)院聯(lián)合培養(yǎng)。目前主持了國(guó)家自然科學(xué)基金2項(xiàng)，湖北省自然科學(xué)基金1項(xiàng)，中國(guó)地質(zhì)大學(xué)（武漢）“優(yōu)秀青年”基金1項(xiàng)，作為核心成員參與了國(guó)家自然科學(xué)基金項(xiàng)目、“863計(jì)劃”子課題、“十一五”國(guó)家科技攻關(guān)項(xiàng)目等。

圖書(shū)目錄

第l章緒論
1.1 高光譜圖像降維研究現(xiàn)狀
1.2 高光譜圖像分類(lèi)研究現(xiàn)狀
1.3 高光譜數(shù)據(jù)介紹
參考文獻(xiàn)
第2章基于多目標(biāo)優(yōu)化和稀疏表示的高光譜圖像波段選擇方法
2.1 多目標(biāo)優(yōu)化理論
2.2 稀疏理論
2.3 基于多目標(biāo)優(yōu)化的稀疏自表示波段選擇方法
2.4 實(shí)驗(yàn)結(jié)果分析
2.5 本章小結(jié)
參考文獻(xiàn)
第3章基于深度子空間聚類(lèi)網(wǎng)絡(luò)的高光譜圖像波段選擇方法
3.1 子空間聚類(lèi)
3.2 基于深度子空間聚類(lèi)網(wǎng)絡(luò)的高光譜圖像波段選擇方法
3.3 實(shí)驗(yàn)結(jié)果分析
3.4 本章小結(jié)
參考文獻(xiàn)
第4章基于端到端的高光譜圖像波段選擇框架
4.1 基于端到端的高光譜圖像波段選擇結(jié)構(gòu)
4.2 實(shí)驗(yàn)結(jié)果分析
4.3 本章小結(jié)
參考文獻(xiàn)
第5章深度森林的改進(jìn)及其在高光譜圖像分類(lèi)中的應(yīng)用
5.1 深度森林
5.2 改進(jìn)的深度森林用于基于空間信息的HS1分類(lèi)算法
5.3 實(shí)驗(yàn)結(jié)果分析
5.4 本章小結(jié)
參考文獻(xiàn)
第6章基于多目標(biāo)優(yōu)化的超限學(xué)習(xí)機(jī)在高光譜圖像分類(lèi)中的應(yīng)用
6.1 超限學(xué)習(xí)機(jī)
6.2 基于多目標(biāo)優(yōu)化的超限學(xué)習(xí)機(jī)
6.3 實(shí)驗(yàn)結(jié)果分析
6.4 本章小結(jié)
參考文獻(xiàn)
第7章總結(jié)