西北工业大学毕业论文模板 开题报告
- 格式:docx
- 大小:14.96 KB
- 文档页数:3
软件开发论文开题报告篇一:软件工程开题报告西北工业大学本科毕业设计(论文)开题报告专业:软件工程班级:备注:本科生毕业设计论文开题报告要求1. 本科生选题报告内容应包括:选题目的与背景、主要研究内容和方案、预期达到的目标。
2. 本科开题报告由各专业负责安排,公开进行;开题小组人员3人以上。
3. 学生在规定的时间内,写出选题报告初稿,经指导教师审阅同意后,由各专业安排开题报告时间;开题学生自述5分钟,提问5-10分钟。
开题报告未通过者,需重新开题。
4. 开题报告必须按期完成;如有问题应及时向所在专业或导师提出。
5. 开题报告统一用A4纸、正反两面打印。
篇二:软件工程毕业设计开题报告范文计算机技术与软件工程学院毕业设计开题报告学生姓名:郭正学号:专业:计算机网络设计题目:第三方支付系统的设计与实现指导教师:万彪张勇XX年 12月 16 日开题报告填写要求1.开题报告作为毕业设计(论文)答辩委员会对学生答辩资格审查的依据材料之一。
此报告应在指导教师指导下,由学生在毕业设计(论文)工作前期内完成,经指导教师签署意见及教研室审查后生效;2.开题报告内容必须用黑墨水笔工整书写或按教务处统一设计的电子文档标准格式(可从教务处网址上下载)打印,禁止打印在其它纸上后剪贴,完成后应及时交给指导教师签署意见;3.学生查阅资料的参考文献应不少于10篇(不包括辞典、手册);4.有关年月日等日期的填写,应当按照国标GB/T 7408 —94《数据元和交换格式、信息交换、日期和时间表示法》规定的要求,一律用阿拉伯数字书写。
如“XX年4月26日”或“XX-04-26”毕业设计开题报告毕设计开题报告篇三:软件毕业设计开题报告-JAVA华东交通大学毕业设计(论文)开题报告书文明的需求渴望不断增强,作为一个正常营运的剧场需要改善本身的体制或管理方式,为适应时代带来的种种变化,开发剧场订票管理系统显得意义重大而深远。
此外,剧场订票管理系统不但能够克服传统排队订票的一些弊端,而且能够为剧场带来巨大的经济效益。
西北工业大学硕士开题报告1.国内外研究动态随着我国经济体制改革进程的加快以及金融体制改革的深入,社会中的投资行为正日益增多,例如证券投资等。
而股票交易作为生活中重要的一种风险投资活动,已经成为证券投资中非常重要的一种[1]。
要想做好股票投资交易,需要对股票进行分析和预测。
最初的分析预测技术有道氏理论等为代表,后来又发展出其他很多的分析方法和技术指标。
后来,数据挖掘技术的出现为股票投资分析开创了新的天地[2]。
学者们蜂拥而至对此技术进行研究,他们对原始的股票数据进行处理,之后对交易数据进行挖掘,以期可以较好的反映股市的变化状况,从而实现对股市的预测,对投资者进行有效的指导[3-6]。
2.课题的理论意义、实用价值和社会经济效益3.课题研究的目标、研究内容和研究方法4.论文工作量的估计,关键技术以及所遇到的困难和问题,拟采取的解决措施参考文献[1]曹小春,曾安,潘丹.云计算环境下面向领域的数据挖掘服务平台研究[J].自动化仪表,xx,09:9-13.[2]曹正凤,纪宏,谢邦昌.使用随机森林算法实现优质股票的选择[J].首都经济贸易大学学报,xx,02:21-27.[3]Xin-nanZhao,Hong-chanFeng.ApplicationofDataMiningTechnologyintheEnterpriseSalaryDesign[A].InformationEngineeringRes earchInstitute,USA.Proceedingsofxx4thInternationalConferenc eonAppliedSocialScience(ICASSxx)Volume51[C].InformationEngi neeringResearchInstitute,USA:,xx:5.[4]曹正凤.随机森林算法优化研究[D].首都经济贸易大学,xx.[5]曾安,潘丹,杨海东,谢光强.面向领域的数据挖掘云平台研究[J].微电子学与计算机,xx,08:15-19.[6]曾珂.基于数据挖掘的微博用户兴趣群体发现与分类[D].华中师范大学,xx.[7]常凯.基于神经网络的数据挖掘分类算法比较和分析研究[D].安徽大学,xx.[8]Xin-nanZhao,Hong-chanFeng.ApplicationofDataMiningTechnol ogyintheEnterpriseSalaryDesign[A].InformationEngineeringRes earchInstitute,USA.Proceedingsofxx4thInternationalConferenc eonAppliedSocialScience(ICASSxx)Volume51[C].InformationEngi neeringResearchInstitute,USA:,xx:5.[9]陈宝钢.基于数据挖掘方法的企业财务分析系统设计与实现[D].吉林大学,xx.[10]EmanuelRaschi,ElisabettaPoluzzi,AriolaKoci,PaoloCaracen i,FabrizioDePonti.Assessingliverinjuryassociatedwithantimycotics:ConciseliteraturereviewandcluesfromdataminingoftheFAE RSdatabase[J].WorldJournalofHepatology,xx,08:601-612.[11]陈欣然.基于数据挖掘技术的近15年反流性食管炎中医临床期刊文献研究[D].北京中医药大学,xx.[12]陈怡.基于网络数据挖掘的移动视频客户数据支撑体系[J].信息通信,xx,01:161-163.[13]何清,庄福振,曾立,赵卫中,谭庆.PDMiner:基于云计算的并行分布式数据挖掘工具平台[J].中国科学:信息科学,xx,07:871-885.[14]LIUTianHui,FUBiNa,ZHANGDongH.Six-dimensionalpotentialen ergysurfaceofthedissociativechemisorptionofHClonAu(111)usin gneuralworks[J].ScienceChina(Chemistry),xx,01:147-155.[15]何晓旭.时间序列数据挖掘若干关键问题研究[D].中国科学技术大学,xx.[16]黄佳彬.数据挖掘在实践教学信息网中的研究与应用[D].北方工业大学,xx.[17]RennieKaunda.Newartificialneuralworksfortruetriaxialstr essstateanalysisanddemonstrationofintermediateprincipalstre sseffectsonintactrockstrength[J].JournalofRockMechanicsandG eotechnicalEngineering,xx,04:338-347.[18]黄玲.在电子商务中应用Web数据挖掘的研究[D].湖南大学,xx.[19]吉根林,赵斌.面向大数据的时空数据挖掘综述[J].南京师大学报(自然科学版),xx,01:1-7.[20]荆月敏.基于数据挖掘的图书馆书目推荐服务的研究[D].中北大学,xx.[21]李海林.大数据环境下的数据挖掘课程教学探索[J].计算机时代,xx,02:54-55.[22]LIUYanJun,LIULei,TONGShaoCheng.Adaptiveneuralworktracki ngdesignforaclassofuncertainnonlineardiscrete-timesystemswi thdead-zone[J].ScienceChina(InformationSciences),xx,03:276-287.[23]李平荣.大数据时代的数据挖掘技术与应用[J].重庆三峡学院学报,xx,03:45-47.[24]EmanuelRaschi,ElisabettaPoluzzi,AriolaKoci,PaoloCaracen i,FabrizioDePonti.Assessingliverinjuryassociatedwithantimyc otics:ConciseliteraturereviewandcluesfromdataminingoftheFAE RSdatabase[J].WorldJournalofHepatology,xx,08:601-612.[25]LIDongJuan.Adaptiveneuralworkcontrolforaclassofcontinuousstirredtankreactorsystems[J].ScienceChina(InformationScie nces),xx,10:246-253.[26]李永红.相关子空间中的局部离群数据挖掘及应用[D].太原科技大学,xx.[27]刘昱岗,安冬冬.数据挖掘在公交调查数据分析中的应用研究[J].公路工程,xx,02:96-101.[28]HongmeiNi,XumingYang,ChengquanFang,YingyingGuo,MingyueX u,YuminHe.Datamining-basedstudyonsub-mentallyhealthystateam ongresidentsineightprovincesandcitiesinChina[J].JournalofTr aditionalChineseMedicine,xx,04:511-517.[29]HongmeiNi,XumingYang,ChengquanFang,YingyingGuo,MingyueX u,YuminHe.Datamining-basedstudyonsub-mentallyhealthystateam ongresidentsineightprovincesandcitiesinChina[J].JournalofTr aditionalChineseMedicine,xx,04:511-517.[30]刘智龙.统计行业数据分析与数据挖掘应用——工具篇[J].统计与咨询,xx,01:36-38.[31]马宏斌,王柯,马团学.大数据时代的空间数据挖掘综述[J].测绘与空间地理信息,xx,07:19-22.[32]屈莉莉,陈燕.大数据背景下数据挖掘课程的教学改革与探索[J].教育教学论坛,xx,16:57-58.[33]孙二娟.基于隐私保护的数据挖掘技术与研究[D].浙江理工大学,xx.[34]陶相宜.基于数据挖掘的朱仁康从“风”论治皮肤病学术思想及临床经验研究[D].北京中医药大学,xx.[35]陶雨雨.决策树及神经网络算法在股票分类预测中的应用[D].杭州电子科技大学,xx.[36]王明星.数据挖掘算法优化研究与应用[D].安徽大学,xx.[37]王云峰,宁晓希.刑侦数据仓库模型设计与数据挖掘技术应用[J].软件工程师,xx,06:53-55.[38]FeiHE,Dong-fengHE,An-junXU,Hong-bingWANG,Nai-yuanTIAN.H ybridModelofMoltenSteelTemperaturePredictionBasedonLadleHea tStatusandArtificialNeuralNetwork[J].JournalofIronandSteelR esearch(International),xx,02:181-190.[39]吴汉华.大数据时代中如何进行医疗数据挖掘与利用[J].硅谷,xx,05:13+12.[40]吴乔.基于数据挖掘的煤炭企业成本管理系统的设计与实现[D].厦门大学,xx.[41]谢立阳.基于海量数据挖掘的武汉城市圈应急物流系统的设计与优化[D].湖北工业大学,xx.[42]熊平,朱天清,王晓峰.差分隐私保护及其应用[J].计算机学报,xx,01:101-122.[43]徐健锋,张远健,ZhouDuanning,LiDan,李宇.基于粒计算的不确定性时间序列建模及其聚类[J].南京大学学报(自然科学),xx,01:86-94.[44]许芳芳,丁雷道.浅谈数据挖掘技术及其相关问题解析[J].数字技术与应用,xx,04:141-144.[45]闫燕.数据挖掘在中国的现状和发展分析[J].科技信息,xx,05:292.[46]张晶晶.数据挖掘在车险客户关系管理中的应用研究[D].大连海事大学,xx.[47]张雅.面向铁路货运市场营销的数据挖掘技术应用研究[D].西南交通大学,xx.[48]MasoudRAKHSHKHORSHID,Sayyed-AminTEIMOURISENDESI.Bayesia nRegularizationNeuralNetworksforPredictionofAusteniteFormat ionTemperatures(A_(c1)andA_(c3))[J].JournalofIronandSteelRe search(International),xx,02:246-251.[49]张艳.大数据背景下的数据挖掘课程教学新思考[J].计算机时代,xx,04:59-61.[50]郑细端.Oracle数据挖掘在城市能源计量数据平台的应用[J].计算机与数字工程,xx,07:1299-1302.[51]周超群.基于数据挖掘算法的教务选课系统的设计与实现[D].西安工业大学,xx.[52]周金革.基于消错理论的数据挖掘错误系统优化方法及应用研究[D].广东工业大学,xx.。
长虹立川毕业设计指导材料毕业设计(论文)开题报告表年 月 日 姓名学院 计算机科学与软件专业软件工程班级题目智能家居设备自动化控制软件的设计与实现指导教师一、 与本课题有关的国内外研究情况随着社会经济技术的飞速进步,计算机互联网技术的普及和发展,经济的市场化与全球化和计算机互联网的普遍使用使人们的生活、工作、学习与电子信息技术紧密联系,人们在享受信息化带来的便利的同时,对于传统住宅的要求也越来越高。
环视周围,我们发现,人们对家居的要求早已不只是简单的物质空间,更为关注的是一个高度舒适、安全以及方便、美观的居住环境,先进的通信设施,自动、智能的家电,网络化的购物、资源管理等等。
现今社会人们日益增长的需求使得家居智能化的发展俨然成为一种必然趋势。
正如比尔·盖茨所言:在不远未来,没有智能家居系统的住宅会像今天不能上网的住宅那样不合潮流。
家具设备智能化的概念起源于上世纪70年代的美国,随后,传播到了欧洲、澳洲、日本、加拿大、亚洲诸国并且得到了一定的发展。
在我国,智能家居这一概念推广较晚,约在90年代末家居智能化系统才得以进入国内。
从全世界范围来看,智能家居系统处于一个初级的发展阶段,全世界各国都还没有形成一个统一、规范的行业标准。
从技术角度上来讲,由于某些技术较为先进难实现、成本过高、开发难度大,导致各个区域、各个经济层面难以实现。
从实现角度上讲,人们普遍关心的安防报警、对讲、灯光控制等感兴趣,对一些超前的安防功能觉得华而不实,比如人脸识别、指纹识别等。
总体来说,出于个方面因素,智能家居系统推广率还不是很高,特别是在发展中国家和经济落后的国家。
但伴随着物联网的提出与兴起,智能家居这个涵盖在物联网这个大概念之下的事物迎来了快出成长的一大机遇。
网络信息、无线信息、三网融合以及物联网的快速发展都为智能家居提供了高速发展的条件和可能。
在不远的将来,智能家居必然会走进千家万户,为人们的生活提供便利,再一次改变世界。
工科生开题报告示例全文共四篇示例,供读者参考第一篇示例:工科生开题报告示例一、选题背景现代工业技术的快速发展使得工科生的研究领域变得越来越广泛,涉及机械、电子、材料、化工等方面。
而开题报告是工科生进行科研工作的第一步,因此选题背景的选择至关重要。
在选择研究题目的时候,工科生需要考虑到目前该领域的研究状况、问题的实际意义以及自己的兴趣爱好等因素。
二、选题内容在选定了研究题目之后,工科生需要具体明确研究的内容和目标。
如果你选择研究某种新型材料的性能及应用,那么你需要详细介绍该种材料的组成、制备方法以及性能特点。
还需要明确你的研究目标和预期达到的结果,这有助于指导你的后续研究工作,加快科研进展。
三、研究方法选择适合的研究方法是工科生进行科研工作的重要一环。
在开题报告中,工科生需要详细介绍自己选择的研究方法及其优缺点。
如果你选择采用计算模拟的方法进行研究,那么你需要说明计算模拟的原理、步骤以及对实验结果的验证等方面。
四、预期成果在开题报告中,工科生还需要明确自己期望达到的研究成果。
这些成果可以包括新型材料的性能改进、新技术的研发、解决特定工程问题等方面。
还需要说明该研究成果对相关领域的研究和应用具有什么样的意义和价值。
五、可行性分析在开题报告中,工科生需要对自己的研究方案进行可行性分析。
这包括对研究所需的实验设备、人力物力投入、研究周期等方面的评估。
通过可行性分析,可以帮助工科生更好地制定研究计划,确保研究的顺利进行。
工科生在进行开题报告时需要充分考虑选题背景、选题内容、研究方法、预期成果和可行性分析等方面,以确保科研工作的顺利进行。
希望以上内容能够对工科生进行开题报告提供一定的参考和指导。
第二篇示例:工科生开题报告示例一、研究背景近年来,随着科技的飞速发展,工程科学领域的研究也愈发深入。
工科生在读研期间的开题报告尤为重要,它不仅是学术成果的展示,更是研究思路和方法的概述。
本文就以工科生开题报告为例,详细介绍一个典型的开题报告结构和内容。
毕业论文开题报告模版毕业论文开题报告模版从小学、初中、高中到大学乃至工作,大家或多或少都会接触过论文吧,论文是学术界进行成果交流的工具。
相信写论文是一个让许多人都头痛的问题,以下是小编帮大家整理的毕业论文开题报告模版,欢迎大家分享。
毕业论文开题报告模版11.研究背景与研究目的:函数的一致连续性是在使用连续函数的过程中发展起来的一个概念,它是比函数在区间上连续更强的的一种连续性。
而关于函数一致连续性与函数在区间上连续这两个概念令许多人容易混淆。
本文通过对函数一致连续性的概念、判别方法进行较为系统和全面的论述,并在二元函数上加以推广,使得对函数一致连续的内涵有了更全面更深刻的理解和认识。
最后结合一些具体实例,对其判别条件和方法加以应用。
2.研究内容与进度安排:研究内容:一元函数一致连续性的概念(与函数连续进行对比)函数一致连续性的几种判别条件和方法一致连续性推广到二元函数一致连续性的应用(具体例题)进度安排:(1) 12月初至12月25日查阅资料,讨论论文题目;(2) 12月26日至12月31日阅读文献,最终确定论文选题,完成开题报告;(3) 1月1日至3月31日论文写作,完成论文的初稿;(4) 4月1日至4月29日对论文的格式及内容进行修改;(5)4月3日论文最后定稿。
3.拟采取的研究方法:查阅文献确定一元函数一致连续性的定义、判别方法、性质等概念,并与“函数在区间上连续”进行对比;将一致连续性推广到二元函数的情形;最后选用一些例题,应用一致连续性的判别法、性质等概念解决4.已完成的准备工作(含文献资料查阅与调研情况):[1] 复旦大学数学系(第二版)上册. 数学分析[M]. 高等教育出版社,1983[2] 贺自树,刘学文,杜昌友,朱大钧. 数学分析习题课选讲[M]. 重庆大学出版社,27[3] 邱德华,李水田. 函数一致连续的几个充分条件[J].大学数学,26, 22(3):136~138.[4] 高智明,刘慧瑾,蒋佩佩.关于连续性和一致连续性的一个定理[J]. 高等数学研究,28,11(4)[5] 钱吉林.数学分析题解精粹[M].武汉:崇文书局,23[6] 陈文灯,黄先开. 211版考研数学复习指南:经济类[M]. 世界图书出版公司,21[7] 裴礼文.数学分析中的典型问题与方法[M].北京:高等教育数出版社,21[8] 刘勇. 关于一元函数一致连续性的讨论[J]. 赤峰学院学报:自然科学版,29,25(11)[9] 翟明清. 浅析二元函数的一致连续性[J]. 滁州学院学报,24,6(3)[1] 常明. 一元函数一致连续性的判定及性质[J]. 数学教学,29,75.指导教师意见:指导教师(签名):20xx年**月**日6.学院意见:学院(盖章)20xx年**月**日毕业论文开题报告模版2题目利用数学模型预测未来50年的丁克人口1、研究目的和意义未来学家曾尖锐地指出二十一世纪人类将面临三大问题:首先是人口膨胀,第二是就业困难,第三是环境污染。
本科毕业设计论文题 目大气中污染物的测定与分析专业名称 热能与动力工程学生姓名 弓智慧指导教师 陈炳录毕业时间 2010.06毕业 任务书一、题目大气中污染物的测定与分析二、研究主要内容通过本次毕业设计,掌握有关环境检测的基本方法,查阅有关的资料,结合所学的知识,利用各种仪器设备,对废气中污染物的含量进行的分析研究,培养学生综合分析和解决问题的能力。
三、主要技术指标要求完成:1、查找有关的技术资料,了解目前我国废气中污染物的含量的现状,找出降低中废气中污染物含量的方法,提出环境质量改善设想方案。
2、对废气中污染物进行采样及进行实际监测。
3、对监测数据进行处理及分析。
4、撰写毕设论文。
四、进度和要求2009年 19—20 周 外文资料的翻译2010年 1—2 周 继续完成外文资料的翻译,查阅有关资料3—6 周 确定实验方法;购买实验所需试剂,准备开题报告并做好开题报告,完成需在实验室前准备工作7—9 周 配置标准,初步进行标准图的制作10—11 周 继续进行标准图的制作,确保准确12—13 周 对废气采样进行实际监测14—15 周 处理实验结果,进行室内环境质量评价。
16—17 周 撰写毕设论文,准备毕设答辩18 周 答辩设计论文五、主要参考书及参考资料1、蒋展鹏主编《环境工程学》(第二版)北京:高等教育出版社2、国家环境保护科技标准司编《大气环境分析方法标准工作手册》西安:西北工业大学出版社3、谢协忠主编《水分析化学》中国电力出版社4、有关环境监测的资料、文献等。
学生__________ 指导教师___________ 系主任___________摘要通过查阅相关资料,并结合大学中所学知识,利用实验设备对西安市大气中主要的污染物TSP,SO2,和NOx进行采样及实际检测,采样地点设在西安市西北工业大学校园车流量和人流量较大的西门口和车流量及人流量较小的航空楼旁边两个具有代表性的地点,采样时间基本上为每天下午14点到17点之间,连续采样15天,每次采样结束后对污染物进行处理分析和研究,通过计算得到当天污染物的浓度,并对当天的大气环境质量进行评价。
选题目的与背景:
与普通图像相比,高光谱图像处理面临的两个主要问题是:一是光谱分辨率高、光谱曲线近乎连续、数据量大、数据冗余严重、谱间相关性强;另一是空间分辨率有限、存在大量混合像元,“Hughes”现象凸现。
“特征学习”从原始的像素出发通过特定的神经网络结构自动发现图像中隐藏的模式以学习出有效特征,近年来获得空前的发展,成为国际上信号处理模式识别等领域的研究热点。
深度学习是一种多层的神经网络结构,是自2012 年来机器学习领域非常热的一个研究方向,它能够从原始的像素出发通过多层结构自动学习有效特征并在输出层实现分类。
主要研究内容和方案:
拟基于深度学习的相关理论和方法进行高光谱遥感图像的特征提取,主要研究以下四方面的内容:
1、面向高光谱图像特征提取的深度学习网络架构设计:设计网络的层数,每一层的神经元数目,每一层的其他处理等;
2、训练样本的组织:从现有的特征光谱库、卫星的高光谱数据、地面实验系统获取的数据以及计算机仿真等方面扩充样本数据,获取大量(千万级以上)的训练样本进行网络的训练;
3、深度特征的训练与学习:基于BP学习准则,利用巨量的训练样本进行训练,并基于GPU平台进行加速设计;
4、深度学习特征的性能验证:使用深度学习特征进行高光谱图像分类、识别以及混合像元分解等处理,评估提取的特征的性能。
总体研究方案如下:
1、网络架构设计:
目前的深度学习网络主要是为普通图像分类而设计的,对高光谱图像的分类效果比较有限。
拟计划设计一种通用型网络架构,满足高光谱遥感图像数据的分类与识别方面的需求。
卷积神经网络是一种多层的深度学习网络,每层由多个二维平面组成,而每个平面由多个独立神经元组成。
卷积神经网络一般包括卷积层、子采样层和全连接层。
隐含层的卷积层和子采样层是实现卷积神经网络特征提取功能的核心模块。
卷积神经网络的低隐层是由卷积层和子采样层交替组成,高层是全连接层,对应传统多层感知器的隐含层和逻辑回归分类器。
第一个全连接层的输入是由卷积层和子采样层进行特征提取得到的特征图像。
最后一层输出层是一个分类器,可以釆用逻辑回归,softmax回归甚至是支持向量机对输入图像进行分类。
2、训练样本的组织:
从已有的研究及仿真验证可得,高光谱图像的训练样本数目越多,特征提取及目标分类的精度越好,因此大量训练样本的组织是保证本网络对于高光谱图像特征提取的普适性优良效果的前提。
本项目中,拟从现有的特征光谱库、卫星的高光谱数据、地面实验系统获取的数据以及计算机仿真等方面扩充样本数据,获
取大量(千万级以上)的训练样本进行网络的训练。
3、网络训练方法:
拟在网络模型中采用采用梯度下降法最小化损失函数,对网络中的权重参数逐层反向调节,通过频繁的迭代训练提高网络精度。
4、特征性能验证:
拟基于分类进行验证,如使用深度学习特征进行高光谱图像分类、混合像元分解以及目标的检测与识别等处理和应用,评估本网络提取的特征的性能。
一般地,分类方法主要包括有监督方法和无监督方法,当这些方法应用到高光谱图像处理时,又可以广义地分为无参数方法和有参数方法。
例如,为了验证上述网络特征提取技术的性能,我们将其应用在具体的高光谱图像目标识别中。
我们可以利用126 波段的AVIRIS 图像进行了仿真实验。
可以在分类实验中选择其中比较相似的N类作物。
在每类地物中随机选择一半的样本作为训练样本,另一半作为检验样本。
用我们设计的卷积神经网络进行特征提取,然后利用非监督分类器验证所选特征组合的识别性能。
进而验证我们设计的面向高光谱图像特征提取的深度学习网络优越性。
预期达到的目标:
构建监督的深度学习网络进行高光谱特征的提取,并基于多源高光谱数据组织标记样本对该网络进行训练,获取高光谱图像的深度特征,提高高光谱图像分类、检测以及识别等处理的性能。