论文研究基于数字脊波和样条权神经网络的高光谱图像融合分类 .pdf

高光谱分类方法，用于多核实现空间-光谱特征的分类方法。

为解决电磁频谱中的未知信号分类和身份识别问题，提出一种基于改进卷积神经网络（CNN）LeNet-5模型的信号分类方法。该方法使用信号全双谱作为CNN的输入，然后通过改进的LeNet-5模型学习信号特征

基于BP神经网络手写数字识别的研究，曾希君，于博，手写数字识别技术是当今社会研究的热点问题，介于手写数字识别近几年来广泛应用社会的各个领域，越来越多的学者对手写数字识别进

基于小波神经网络的水文时间序列预测，孙井池，，由于气候因素及下垫面因素的综合影响，水文时间序列表现出复杂的非线性，一般的时间序列预测方法对非线性非平稳的信号不适用。小

针对传统方法进行图像分割易受噪声影响问题，提出了一种基于全卷积神经网络的林木图像分割方法。该方法不需要对图像进行预处理，利用上池化和反卷积层恢复图像分辨率，采用跳跃连接降低网络复杂度，同时避免了梯度消

图像阈值化是一种经典、简单而又非常有效的图像分割方法，并已得到了广泛的研究。在分析灰度图像直方图分布的基础上提出了一种基于细胞神经网络（CNN）结合直方图分析的图像阈值化方法，并给出了阈值化CNN所需

在基于样图图像修复思想的基础上，从填充顺序和匹配准则两个方面进行改进，提出了一种图像修复方法。优先级函数加入了面片梯度信息和方差信息，使得填充顺序能够正确地修复结构和纹理信息。匹配准则采用自定义的颜色

基于多层区域卷积神经网络的图像情感分类

本研究基于深度学习技术，对高光谱图像进行分类研究。通过对图像进行处理和特征提取，使用卷积神经网络和支持向量机等算法，实现高精度分类。研究结果表明，所提出的方法有效地提高了分类准确性和图像处理效率。同时

针对高光谱遥感图像维数高、样本少导致分类精度低的问题，提出一种基于DS聚类的高光谱图像集成分类算法（DSCEA）。首先，根据高光谱数据特点，从整体波段中随机选择一定数量的波段，构成不同的训练样本；其次