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的电子拍卖系统设计与开发

基于Web应用的致胜公司企业内部培训系统设计

Matlab基于多旋翼飞行器的飞行控制系统设计

基于字典学习的多视图低维相关表示方法研究

基于android通讯与游戏的手...

OS-ELM快速精确的在线序贯超限学习机

基于android的环境信息管理系统设计

浅谈农村大气环境保护的制度构建【1868字】

发酵米粉优势菌株的发酵特性研究

激光模拟训练器材国内外研究现状

2021年什么行业赚钱,适合...

日语论文中日酒文化对比研究

肢体语言在小学英语教学中的应用浅谈

新疆农林高校學生昆虫生...

个案管理茬老年糖尿病患...

大淘宝网的虚假交易研究

淮安市高校足球运动损伤问卷调查表