微信扫一扫,移动浏览光盘
简介
投影寻踪是处理和分析高维数据的一类新兴的统计方法，其基本思想是将高维数据投影到低维（1～3维）子空间上，寻找出反映原高维数据的结构或特征的投影，以达到研究和分析高维数据的目的。1974年，美国Stan—ford大学的Friedman和Tukey首次将该方法命名为Projection Pursuit，即投影寻踪。
本书是在国家自然科学基金（项目批准号：60375003）、3项航空科学基金（项目批准号分别为：03153059，981123，951127）以及模式识别国家重点实验室和图像信息处理与智能控制教育部重点实验室等多个项目的资助下所完成的关于投影寻踪理论、方法与应用方面的研究成果。
目录
第一章 投影寻踪——一类新兴的统计方法
1.1 投影寻踪方法的特点及优点
1.2 投影寻踪的发展简史
1.3 本书的主要内容
参考文献
第二章 投影指标与投影寻踪回归
2.1 常用的重要投影指标
2.1.1 密度型投影指标
2.1.2 非密度型投影指标
2.2 高光谱图像中小目标无监督检测的投影寻踪方法
2.2.1 投影指标的选取
2.2.2 基于遗传算法的投影方向最优化
2.2.3 高光谱图像中小目标无监督检测的实例
2.3 基于LDA投影指标和L_r投影指标的有监督分类
2.3.1 L_r投影指标
2.3.2 基于模拟退火方法的投影指标最优化
2.3.3 模拟数据分类
2.4 投影指标小波核估计的统计性质
2.4.1 预备知识
2.4.2 两类投影指标的小波核估计
2.5 投影指标的Bootstrap估计及其统计性质
2.5.1 预备知识
2.5.2 投影指标的Bootstrap估计
2.5.3 拟最佳投影方向
2.6 SAR图像与极化SAR图像分类的序列投影寻踪方法
2.6.1 预备知识
2.6.2 极化SAR数据的相似性参数与极化SAR图像分类
2.6.3 序列投影寻踪模型与计算方法
2.6.4 SAR图像分类的序列投影寻踪模型方法
2.6.5 基于相似性参数序列投影寻踪的极化SAR图像分类
2.6.6 基于拟最佳投影方向的极化SAR图像分类
2.7 投影寻踪回归的L_2收敛性和全向攻击导弹数据处理
2.7.1 投影寻踪回归
2.7.2 岭函数为多项式形式时投影寻踪回归的L_2收敛性
2.7.3 全向攻击导弹数据处理
2.8 非线性系统高维特征量的稳健投影寻踪回归建模
2.8.1 稳健投影寻踪建模方法
2.8.2 航空发动机低压转子转速的稳健投影寻踪模型
参考文献
第三章 投影寻踪学习网络的统计性质与应用
3.1 投影寻踪学习神经网络
3.1.1 投影寻踪学习网络的数学模型和计算步骤
3.1.2 回归函数投影寻踪学习网络逼近的L_p收敛性
3.2 非线性自回归过程的投影寻踪学习网络逼近
3.2.1 非线性自回归过程的投影寻踪学习神经网络逼近的收敛性
3.2.2 基于投影寻踪学习网络的非线性自回归过程的建模与预报
3.3 多维非线性时间序列的投影寻踪学习网络逼近
3.3.1 多维非线性自回归过程的投影寻踪学习神经网络逼近的收敛性
3.3.2 应用实例
3.4 用于分类的投影寻踪学习网络方法
3.4.1 线性Hebb学习和非线性Hebb学习方法
3.4.2 用于分类的一维投影寻踪学习网络方法
3.4.3 用于分类的二维投影寻踪学习网络方法
3.4.4 应用实例
3.4.5 目标信号高维特征量的提取与分类
3.5 水下航行器弹道的投影寻踪学习网络的预测
3.5.1 投影寻踪学习网络逼近的收敛性
3.5.2 水下航行器导引弹道分析及数学模型
3.5.3 尾追法水下航行器弹道的平滑和预测
3.6 基于投影寻踪学习网络的SAR图像压缩
3.6.1 SAR图像的四叉树分割
3.6.2 基于投影寻踪学习网络的SAR图像压缩的计算方法
3.6.3 SAR图像压缩
3.7 基于小波域投影寻踪网络的多源退化图像的恢复
3.7.1 多源退化图像的小波域投影寻踪学习网络恢复方法
3.7.2 多源退化图像恢复计算实例
参考文献
第四章 小波神经网络的应用
4.1 小波神经网络的应用
4.1.1 小波神经网络的基本理论
4.1.2 小波神经网络的应用实例
4.2 基于小波神经网络的明暗恢复形状
4.2.1 构造单幅图像明暗恢复形状的小波神经网络
4.2.2 单幅图像明暗恢复形状小波神经网络的求解
4.2.3 单幅图像明暗恢复形状小波神经网络的随机梯度算法
4.2.4 应用实例
参考文献
第五章 投影寻踪小波神经网络及应用
5.1 投影寻踪小波神经网络的基本理论
5.1.1 投影寻踪小波神经网络的数学模型及拓扑结构
5.1.2 投影寻踪小波神经网络的非线性学习机理与计算方法
5.2 投影寻踪小波神经网络逼近的统计性质
5.2.1 多元非线性函数的投影寻踪小波神经网络逼近
5.2.2 多元非线性函数的投影寻踪小波神经网络逼近的收敛速度
5.3 投影寻踪小波神经网络的应用实例
5.3.1 基于投影寻踪小波神经网络的多元非线性函数逼近
5.3.2 基于投影寻踪小波神经网络的混沌时间序列预报
5.3.3 非线性时间序列的建模和预报
5.3.4 投影寻踪小波神经网络的图像边缘检测
5.4 基于投影寻踪小波神经网络的极化SAR图像分类方法
5.4.1 极化SAR数据分类的数学模型
5.4.2 极化SAR数据分类中心的确定
5.4.3 极化SAR数据的分类器与模糊权指标
5.5 极化SAR图像分类方法分析与比较
5.5.1 极化SAR数据的滤波预处理
5.5.2 极化SAR图像的分类
5.5.3 基于Pauli系数分解的极化SAR图像分类
5.5.4 基于Krogager分解系数的极化SAR图像分类
5.5.5 基于目标相似性参数的极化SAR图像分类
5.5.6 基于散射熵H和散射角α平面的极化SAR图像分类
5.5.7 基于目标统计特征的极化SAR图像分类
5.5.8 有限混合Wishart模型及其分类多视极化SAR图像
5.6 分类方法的比较
参考文献
1.1 投影寻踪方法的特点及优点
1.2 投影寻踪的发展简史
1.3 本书的主要内容
参考文献
第二章 投影指标与投影寻踪回归
2.1 常用的重要投影指标
2.1.1 密度型投影指标
2.1.2 非密度型投影指标
2.2 高光谱图像中小目标无监督检测的投影寻踪方法
2.2.1 投影指标的选取
2.2.2 基于遗传算法的投影方向最优化
2.2.3 高光谱图像中小目标无监督检测的实例
2.3 基于LDA投影指标和L_r投影指标的有监督分类
2.3.1 L_r投影指标
2.3.2 基于模拟退火方法的投影指标最优化
2.3.3 模拟数据分类
2.4 投影指标小波核估计的统计性质
2.4.1 预备知识
2.4.2 两类投影指标的小波核估计
2.5 投影指标的Bootstrap估计及其统计性质
2.5.1 预备知识
2.5.2 投影指标的Bootstrap估计
2.5.3 拟最佳投影方向
2.6 SAR图像与极化SAR图像分类的序列投影寻踪方法
2.6.1 预备知识
2.6.2 极化SAR数据的相似性参数与极化SAR图像分类
2.6.3 序列投影寻踪模型与计算方法
2.6.4 SAR图像分类的序列投影寻踪模型方法
2.6.5 基于相似性参数序列投影寻踪的极化SAR图像分类
2.6.6 基于拟最佳投影方向的极化SAR图像分类
2.7 投影寻踪回归的L_2收敛性和全向攻击导弹数据处理
2.7.1 投影寻踪回归
2.7.2 岭函数为多项式形式时投影寻踪回归的L_2收敛性
2.7.3 全向攻击导弹数据处理
2.8 非线性系统高维特征量的稳健投影寻踪回归建模
2.8.1 稳健投影寻踪建模方法
2.8.2 航空发动机低压转子转速的稳健投影寻踪模型
参考文献
第三章 投影寻踪学习网络的统计性质与应用
3.1 投影寻踪学习神经网络
3.1.1 投影寻踪学习网络的数学模型和计算步骤
3.1.2 回归函数投影寻踪学习网络逼近的L_p收敛性
3.2 非线性自回归过程的投影寻踪学习网络逼近
3.2.1 非线性自回归过程的投影寻踪学习神经网络逼近的收敛性
3.2.2 基于投影寻踪学习网络的非线性自回归过程的建模与预报
3.3 多维非线性时间序列的投影寻踪学习网络逼近
3.3.1 多维非线性自回归过程的投影寻踪学习神经网络逼近的收敛性
3.3.2 应用实例
3.4 用于分类的投影寻踪学习网络方法
3.4.1 线性Hebb学习和非线性Hebb学习方法
3.4.2 用于分类的一维投影寻踪学习网络方法
3.4.3 用于分类的二维投影寻踪学习网络方法
3.4.4 应用实例
3.4.5 目标信号高维特征量的提取与分类
3.5 水下航行器弹道的投影寻踪学习网络的预测
3.5.1 投影寻踪学习网络逼近的收敛性
3.5.2 水下航行器导引弹道分析及数学模型
3.5.3 尾追法水下航行器弹道的平滑和预测
3.6 基于投影寻踪学习网络的SAR图像压缩
3.6.1 SAR图像的四叉树分割
3.6.2 基于投影寻踪学习网络的SAR图像压缩的计算方法
3.6.3 SAR图像压缩
3.7 基于小波域投影寻踪网络的多源退化图像的恢复
3.7.1 多源退化图像的小波域投影寻踪学习网络恢复方法
3.7.2 多源退化图像恢复计算实例
参考文献
第四章 小波神经网络的应用
4.1 小波神经网络的应用
4.1.1 小波神经网络的基本理论
4.1.2 小波神经网络的应用实例
4.2 基于小波神经网络的明暗恢复形状
4.2.1 构造单幅图像明暗恢复形状的小波神经网络
4.2.2 单幅图像明暗恢复形状小波神经网络的求解
4.2.3 单幅图像明暗恢复形状小波神经网络的随机梯度算法
4.2.4 应用实例
参考文献
第五章 投影寻踪小波神经网络及应用
5.1 投影寻踪小波神经网络的基本理论
5.1.1 投影寻踪小波神经网络的数学模型及拓扑结构
5.1.2 投影寻踪小波神经网络的非线性学习机理与计算方法
5.2 投影寻踪小波神经网络逼近的统计性质
5.2.1 多元非线性函数的投影寻踪小波神经网络逼近
5.2.2 多元非线性函数的投影寻踪小波神经网络逼近的收敛速度
5.3 投影寻踪小波神经网络的应用实例
5.3.1 基于投影寻踪小波神经网络的多元非线性函数逼近
5.3.2 基于投影寻踪小波神经网络的混沌时间序列预报
5.3.3 非线性时间序列的建模和预报
5.3.4 投影寻踪小波神经网络的图像边缘检测
5.4 基于投影寻踪小波神经网络的极化SAR图像分类方法
5.4.1 极化SAR数据分类的数学模型
5.4.2 极化SAR数据分类中心的确定
5.4.3 极化SAR数据的分类器与模糊权指标
5.5 极化SAR图像分类方法分析与比较
5.5.1 极化SAR数据的滤波预处理
5.5.2 极化SAR图像的分类
5.5.3 基于Pauli系数分解的极化SAR图像分类
5.5.4 基于Krogager分解系数的极化SAR图像分类
5.5.5 基于目标相似性参数的极化SAR图像分类
5.5.6 基于散射熵H和散射角α平面的极化SAR图像分类
5.5.7 基于目标统计特征的极化SAR图像分类
5.5.8 有限混合Wishart模型及其分类多视极化SAR图像
5.6 分类方法的比较
参考文献
投影寻踪方法与应用[电子资源.图书]
- 名称
- 类型
- 大小
光盘服务联系方式: 020-38250260 客服QQ：4006604884
云图客服：
用户发送的提问，这种方式就需要有位在线客服来回答用户的问题，这种 就属于对话式的,问题是这种提问是否需要用户登录才能提问
Video Player
×
Audio Player
×
pdf Player
×
