导读:本文包含了缺失特征学习论文开题报告文献综述及选题提纲参考文献，主要关键词:缺失信息重建,时-空-谱,卷积神经网络,一体化
缺失特征学习论文文献综述
张强[1]（2019）在《基于时—空—谱深度特征学习的遥感影像缺失信息重建方法研究》一文中研究指出由于卫星传感器的实际工作条件和大气环境干扰等原因,遥感影像往往存在信息缺失的现象,如死像元缺失与厚云遮盖两类典型问题。这种不连续的遥感数据通常难以用于后续的处理和应用,对遥感影像的解释任务和定量产品反演都存在不同程度的负面影响。因此,如何对遥感影像缺失信息进行重建,提高遥感影像数据的有效利用效率,是当前遥感影像处理领域的一项极为重要的基本任务。本文在深度学习理论框架下,充分挖掘遥感影像在空间域、光谱域和时相域的特征维度信息用于遥感影像缺失信息重建。主要工作与创新点如下所示:1)提出了一种基于时-空-谱一体化深度卷积网络的遥感影像缺失信息重建方法。顾及遥感影像成像过程的复杂性导致缺失信息重建的非线性性质,并结合时-空-谱多源互补信息,该方法通过引入深度残差卷积网络学习增强模型的非线性特征表达能力,并通过多尺度特征提取单元提高重建精度。同时引入扩充卷积来提高感受野面积大小,挖掘遥感影像在空间域、光谱域和时相域的深层特征信息。最后,构建时-空-谱一体化深度卷积神经网络(STS-CNN),训练学习得到误差函数收敛下的深度网络模型。模拟实验和真实实验结果表明,STS-CNN方法可实现多类型遥感影像信息缺失如MODIS Aqua死像元、ETM+SLC-Off和厚云覆盖等典型影像信息缺失问题的有效重建。2)针对影像中的厚云覆盖问题,提出一种步进式时-空块组群学习的影像云与云阴影去除方法。首先,对多时相序列影像数据进行云和伴随阴影检测,获取云掩膜数据。其次,对含云的目标影像进行遍历分块处理,考虑到多时相序列块的相似性和对应掩膜的完整度,将含云或云阴影的空间目标块及其对应的多时相块按照块组群的方式进行堆迭和排序。然后,使用所提出的时-空块组群深度重建模型,利用联合全局-局部信息的深度卷积神经网络重建空间目标块的缺失区域信息。最后,利用完整性测度对所有包含重迭区域的重建空间目标块进行加权聚合,并对更新后的整体目标影像数据及其云掩膜进行步进式迭代,直至重建复原全部云及云阴影覆盖区域。该方法分别使用Sentinel-2 MSI和Landsat-8 OLI数据进行模拟和真实实验,并使用小场景或大场景下的单景或多景时相数据,验证了该方法在云和云阴影去除任务上的有效性和实用性。(本文来源于《武汉大学》期刊2019-04-01）
蒋方纯[2]（2012）在《机器学习应用中特征缺失研究》一文中研究指出特征缺失是机器学习应用领域研究中必须面对的问题。根据特征缺失研究的基础与发展,分别阐述了特征缺失的种类与模式、特征缺失的处理方法以及实现工具,并在此基础上对特征缺失的处理进行了总结与归纳。最后,讨论了特征缺失研究存在的问题,指出了研究的方向。(本文来源于《深圳信息职业技术学院学报》期刊2012年03期）
缺失特征学习论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
特征缺失是机器学习应用领域研究中必须面对的问题。根据特征缺失研究的基础与发展,分别阐述了特征缺失的种类与模式、特征缺失的处理方法以及实现工具,并在此基础上对特征缺失的处理进行了总结与归纳。最后,讨论了特征缺失研究存在的问题,指出了研究的方向。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
缺失特征学习论文参考文献
[1].张强.基于时—空—谱深度特征学习的遥感影像缺失信息重建方法研究[D].武汉大学.2019
[2].蒋方纯.机器学习应用中特征缺失研究[J].深圳信息职业技术学院学报.2012