包郵圖學習方法及其在高光譜影像處理中的應用

作者：張志利著

出版社：科學出版社出版時間：2025-01-01

開本：其他頁數： 134

本類榜單：計算機/網絡銷量榜

中圖價:¥82.5(7.5折) 定價 ~~¥110.0~~ 登錄后可看到會員價

加入購物車收藏

開年大促， 全場包郵

?新疆、西藏除外

本類五星書更多>

>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用

全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用

¥14.4¥45
>
決戰行測5000題(言語理解與表達)

決戰行測5000題(言語理解與表達)

¥44.1¥88
>
軟件性能測試.分析與調優實踐之路

軟件性能測試.分析與調優實踐之路

¥56.2¥69
>
第一行代碼Android

第一行代碼Android

¥55.4¥99
>
JAVA持續交付

JAVA持續交付

¥58.1¥119
>
EXCEL最強教科書(完全版)(全彩印刷)

EXCEL最強教科書(完全版)(全彩印刷)

¥31.1¥69.9
>
深度學習

深度學習

¥92.4¥168

商品詳情
商品評論(0條)

中圖價:¥82.5 加入購物車

版權信息
內容簡介
目錄

圖學習方法及其在高光譜影像處理中的應用版權信息

ISBN：9787030798008
條形碼：9787030798008 ; 978-7-03-079800-8
裝幀：平裝
冊數：暫無
重量：暫無
所屬分類：
計算機/網絡
>
圖形圖像多媒體
>
其他

圖學習方法及其在高光譜影像處理中的應用內容簡介

本書重點圍繞模型構建、改進圖信息傳播方式、提升構圖質量等展開研究，提出多種基于圖學習的高光譜影像分類方法，解決高光譜影像分類面臨的問題和挑戰，并提高分類精度。第1章為緒論；第2章主要介紹圖半監督學習基本模型；第3～6章介紹多種基于圖學習的高光譜影像分類方法，包括基于錨點圖的快速半監督學習高光譜影像分類、基于像素-超像素級特征聯合的高光譜影像分類、基于全局動態圖優化的高光譜影像分類、基于圖變換器的高光譜影像分類。

圖學習方法及其在高光譜影像處理中的應用目錄

目錄前言第1章緒論 11.1 課題研究的背景與意義 11.2 國內外研究現狀及存在的問題 31.2.1 傳統高光譜影像分類方法及存在問題 31.2.2 基于深度學習模型的高光譜影像分類方法及存在的問題 41.2.3 圖方法在高光譜影像分類中的應用 71.3 圖神經網絡介紹 81.3.1 譜域圖卷積 81.3.2 空域圖卷積 121.4 評價指標 131.5 研究內容與章節安排 141.5.1 研究內容 141.5.2 章節安排 16第2章圖半監督學習基本模型 182.1 引言 182.2 符號說明 182.3 圖的構造 192.4 圖半監督學習**算法 212.4.1 高斯場和調和函數法 212.4.2 局部全局一致性法 232.4.3 基于廣義圖規范化權重半監督學習方法 232.5 快速圖半監督學習模型 242.6 本章小結 26第3章基于錨點圖的快速半監督學習高光譜影像分類 283.1 引言 283.2 基于錨點圖的快速半監督學習模型 293.2.1 自適應近鄰錨點圖的建立 293.2.2 基于錨點圖的快速半監督學習 313.3 實驗驗證 333.3.1 高光譜影像數據庫實驗結果 333.3.2 基準圖像數據庫實驗結果 403.4 本章小結 44第4章基于像素-超像素級特征聯合的高光譜影像分類 454.1 引言 454.2 高光譜影像數據的超像素分割 464.2.1 基于圖方法的超像素分割 474.2.2 基于聚類方法的超像素分割 484.3 網絡特征提取 494.3.1 EdgeConv圖卷積 494.3.2 卷積神經網絡卷積運算 504.4 基于超像素分割和邊卷積的圖神經網絡模型 514.4.1 圖數據生成 524.4.2 超像素級的EdgeConv網絡 534.4.3 像素級的CNN 544.5 實驗結果與分析 554.5.1 實驗設置 554.5.2 分類結果對比分析 564.5.3 消融實驗與參數敏感性分析 604.6 本章小結 62第5章基于全局動態圖優化的高光譜影像分類 645.1 引言 645.2 動態圖結構稀疏 655.3 邊權重學習 675.3.1 標簽傳播算法 685.3.2 邊權重學習與LPA的關系 685.4 標簽傳播與圖稀疏相結合的高光譜影像分類模型 695.4.1 自適應圖結構學習 705.4.2 Gumble-Softmax圖采樣 715.4.3 信息融合 725.5 實驗結果與分析 735.5.1 實驗設置 735.5.2 分類結果對比分析 735.5.3 消融實驗與參數敏感性分析 775.6 本章小結 79第6章基于圖變換器的高光譜影像分類 806.1 引言 806.2 視覺變換器 806.3 S2GFormer方法基本框架 816.4 S2GFormer高光譜影像分類 836.4.1 高光譜影像預處理和跟隨像素塊機制 836.4.2 像素塊譜嵌入模塊 856.4.3 多層GraphFormer編碼器 866.4.4 算法訓練和優化 886.5 實驗結果與分析 886.5.1 實驗設置 886.5.2 實驗結果對比分析 896.5.3 t-SNE數據分布可視化 956.5.4 不同數量的訓練樣本對S2GFormer方法性能影響分析 966.5.5 S2GFormer超參數影響分析 986.5.6 消融實驗 1006.6 本章小結 102參考文獻 103附錄本書所用數據集 1161. Indian Pines數據集 1162. Kennedy Space Center數據集 1163. Pavia University數據集 1174. Salinas數據集 1175. University of Houston 2013數據集 118

展開全部

商品評論(0條)

寫書評賺書幣

暫無評論……

書友推薦