幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

圖卷積神經網路及其在高光譜影像分類中的應用/信息感知測量前沿技術叢書

  • 作者：張志利//丁遙//趙曉楓//何芳|責編:孫伯元|總主編:張志利
  • 出版社：科學
  • ISBN：9787030797995
  • 出版日期：2025/01/01
  • 裝幀：平裝
  • 頁數：138
人民幣：RMB 110 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書主要介紹作者團隊在圖卷積神經網路高光譜影像分類方法設計方面的理論研究及應用成果。全書共6章。第1章介紹研究背景，概述高光譜影像分類現狀和存在的問題，以及圖神經網路的基礎知識和實驗採用評價指標。第2?6章介紹多種基於圖神經網路的半監督/無監督高光譜遙感影像分類方法，包括圖樣本聚合高光譜影像特徵提取與分類方法、CNN卷積與圖卷積相結合的高光譜影像特徵提取與分類方法、自回歸滑動平均高光譜影像特徵提取與分類方法、自適應濾波器-聚合器高光譜影像特徵提取與分類方法、無監督低通圖神經網路高光譜影像特徵提取與聚類方法。
    本書可供電子信息工程、電腦應用技術、自動化、儀器科學與技術等相關專業的研究生和高年級本科生學習，也可供相關科研人員、工程技術人員參考。
作者介紹
張志利//丁遙//趙曉楓//何芳|責編:孫伯元|總主編:張志利
目錄
「信息感知測量前沿技術叢書」序
前言
第1章  緒論
  1.1  背景與意義
  1.2  國內外研究現狀
    1.2.1  高光譜影像特徵提取與分類發展現狀
    1.2.2  圖神經網路高光譜影像特徵提取與分類發展現狀
  1.3  圖神經網路綜述
    1.3.1  圖神經網路發展歷史
    1.3.2  圖神經網路與網路嵌入
    1.3.3  圖神經網路與圖核方法
    1.3.4  圖神經網路主要模型
  1.4  評價指標
  1.5  研究內容
第2章  圖樣本聚合高光譜影像特徵提取與分類
  2.1  引言
  2.2  圖樣本聚集
    2.2.1  傳播規則
    2.2.2  聚合器函數
  2.3  上下文感知學習的多尺度圖樣本聚合高光譜影像分類
    2.3.1  局部區域分割
    2.3.2  多尺度操作
    2.3.3  上下文感知學習與圖形重構
  2.4  實驗結果與分析
    2.4.1  實驗設置
    2.4.2  分類結果對比分析
    2.4.3  不同數量的訓練樣本對MSAGE-CAL方法性能影響分析
    2.4.4  消融實驗
    2.4.5  訓練時間對比分析
  2.5  本章小結
第3章  CNN卷積與圖卷積相結合的高光譜影像特徵提取與分類
  3.1  引言
  3.2  卷積神經網路
  3.3  MFGCN高光譜影像分類
    3.3.1  像素到區域分配和光譜特徵轉換
    3.3.2  多尺度GCN的方法
    3.3.3  多尺度CNN的方法
    3.3.4  多特徵融合與區域到像素分配
    3.3.5  基於MFGCN的高光譜影像分類
  3.4  實驗結果與分析
    3.4.1  實驗設置
    3.4.2  分類結果對比分析
    3.4.3  超參數的選擇
    3.4.4  消融實驗
    3.4.5  不同數量的訓練樣本對MFGCN方法性能影響分析
  3.5  本章小結
第4章  自回歸滑動平均高光譜影像特徵提取與分類
  4.1  引言
  4.2  自回歸滑動平均卷積核實現
  4.3  DARMA-CAL高光譜影像分類

    4.3.1  像素到區域轉換和圖構建
    4.3.2  ARMA圖卷積層
    4.3.3  具有稠密連接的鄰域聚合
    4.3.4  基於注意力的全局分層聚合
    4.3.5  基於DARMA-CAL的高光譜影像分類
  4.4  實驗結果與分析
    4.4.1  實驗設置
    4.4.2  分類結果對比分析
    4.4.3  不同數量的訓練樣本對DARMA-CAL方法性能影響分析
    4.4.4  DARMA-CAL超參數影響分析
    4.4.5  消融實驗
    4.4.6  訓練時間對比
  4.5  本章小結
第5章  自適應濾波器-聚合器高光譜影像特徵提取與分類
  5.1  引言
  5.2  圖濾波器、聚合器和消息傳遞神經網路
    5.2.1  圖濾波器
    5.2.2  圖卷積聚合器
    5.2.3  消息傳遞神經網路
  5.3  自適應濾波器和聚合器高光譜影像分類
    5.3.1  AF2GNN高光譜影像分類概述
    5.3.2  自適應濾波器機制
    5.3.3  聚合器融合原理
    5.3.4  AF2GNN網路實現
    5.3.5  基於AF2GNN的高光譜影像分類
  5.4  實驗結果與分析
    5.4.1  實驗設置
    5.4.2  分類結果對比分析
    5.4.3  AF2GNN超參數影響分析
    5.4.4  不同數量的訓練樣本對AF2GNN方法性能影響分析
    5.4.5  不同分割模塊影響分析
    5.4.6  消融實驗
    5.4.7  訓練時間對比分析
  5.5  本章小結
第6章  無監督低通圖神經網路高光譜影像特徵提取與聚類
  6.1  引言
  6.2  LGCC方法基本框架
  6.3  無監督低通圖神經網路高光譜影像聚類
    6.3.1  低通圖卷積自動編碼器
    6.3.2  低通圖卷積嵌入式自動編碼器
    6.3.3  自監督聚類
    6.3.4  聯合嵌入與優化
    6.3.5  像素到區域變換與圖構建
  6.4  實驗結果與分析
    6.4.1  實驗設置
    6.4.2  實驗結果對比分析
    6.4.3  t-分佈隨機鄰居嵌入數據分佈可視化
    6.4.4  LGCC方法超參數影響分析
    6.4.5  消融實驗
    6.4.6  計算複雜度分析

  6.5  本章小結
參考文獻
附錄  本書所用數據集
  1.Indian Pines數據集
  2.Kennedy Space Center數據集
  3.Pavia University數據集
  4.Salinas數據集
  5.University of Houston 2013數據集

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032