SVM高光谱数据监督分类的若干机器学习方法(3)
第一章：绪论。首先对高光谱图像的相关知识进行了概述，然后对高光谱图像分类的概念、特点及监督分类做了简要的介绍，最后对本文的组织内容进行了说明；
第二章：支持向量机分类。首先介绍了线性分类和最大分类间隔的概念，然后从线性分类到非线性分类分析了SVM的分类模型，介绍了几种核函数，最后解释混合函数的支持向量机。
第三章：基于空间域梯度稀疏正则化和逻辑回归精细化分类方法。首先介绍稀疏多元回归分类模型，第二阶段分析空间域全变差正则化精细分类方法，即SMLR-SpATV.
第四章：实验结果分析。本章主要是用所描述的算法对AVIRIS Indian Pine数据集、帕文亚大学数据集和帕文亚中心数据集三组数据进行分类测试，对每个数据集做了简单地介绍，并对实验结果进行评价，包括每一类样本的分类精度，总的分类精度，平均分类精度，kappa系数。