1.2  国内外研究现状及分析

1.2.1  高光谱图像分类的研究现状

1.2.2  监督分类

1.2.3  分类器算法的研究现状

1.3  本文的主要内容

第一章介绍了本文的研究背景和意义,以及国内外的研究现状。并分析了发展趋势。

第二章介绍了与极限学习机算法做对比的SVM支持向量机的基本原理,源^自#吹冰?文,论.文'网[www.chuibin.com,并且介绍了基于SVM的高光谱图像分类的模型。

第三章介绍和分析了极限学习机的基本原理和算法,并在此基础上研究了基于极限学习机的高光谱图像分类算法和改进,然后给出了算法演示软件的设计流程。

第四章通过多组实验数据集将改进的极限学习机分类算法和SVM算法做对比实验,分别在同样的环境和参数下作出了分类精度,训练和测试的时间的性能对比,并对两个算法的性能差异做出评价和分析。

上一篇:基于Android系统的互动教学软件设计与实现
下一篇:城市交通信号网络的半实物仿真

基于android的环境信息管理系统设计

基于激光超声检测金属材...

基于MOODLE平台的在线交互式学习设计

基于离散事件系统Petri网模型的可达图研究

基于高斯过程动态模型的时序数据恢复方法

基于深度学习的目标识别算法研究

MATLAB基于流形学习与神经网络的预测建模

浅论职工思想政治工作茬...

上海居民的社会参与研究

酵母菌发酵生产天然香料...

提高教育质量,构建大學生...

AES算法GPU协处理下分组加...

从政策角度谈黑龙江對俄...

压疮高危人群的标准化中...

浅谈高校行政管理人员的...

基于Joomla平台的计算机学院网站设计与开发

STC89C52单片机NRF24L01的无线病房呼叫系统设计