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#优尔?文,论.文'网[www.youerw.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Apriori算法的电影推荐

基于PageRank算法的网络数据分析

基于神经网络的验证码识别算法

基于网络的通用试题库系...

python基于决策树算法的球赛预测

基于消费者个性特征的化...

基于网络的通用试题库系统的整体规划与设计

C#学校科研管理系统的设计

承德市事业单位档案管理...

国内外图像分割技术研究现状

AT89C52单片机的超声波测距...

志愿者活动的调查问卷表

公寓空调设计任务书

医院财务风险因素分析及管理措施【2367字】

10万元能开儿童乐园吗,我...

神经外科重症监护病房患...

中国学术生态细节考察《...