首页--天文学、地球科学论文--自然地理学论文--部门自然地理学论文--地貌学(地形学)论文--流水地貌学、湿润地貌学论文

基于证据推理的多源数据湿地空间分类知识发现研究

摘要第1-6页
Abstract第6-9页
目录第9-12页
第一章 绪论第12-36页
 第一节 选题背景、目的与意义第12-16页
  一、 选题背景第12-15页
  二、 选题目的第15页
  三、 选题意义第15-16页
 第二节 国内外研究进展第16-28页
  一、 湿地遥感分类数据源第16-20页
  二、 湿地遥感分类难点第20-23页
  三、 基于数据挖掘的遥感分类方法第23-28页
 第三节 本文研究内容、技术路线和创新点第28-36页
  一、 研究内容第28-29页
  二、 技术路线第29-34页
  三、 创新点第34-36页
第二章 证据推理理论及其在遥感分类领域应用第36-44页
 第一节 证据推理理论基本概念第36-41页
  一、 辨识框架第37-38页
  二、 支持度函数第38-39页
  三、 信任函数与似然函数第39-40页
  四、 Dempster合成法则第40-41页
 第二节 证据推理遥感分类基本体系第41-43页
  一、 证据推理遥感分类体系第42页
  二、 证据推理遥感分类亟待深化的内容第42-43页
 本章小结第43-44页
第三章 证据支持度计算方法对比分析研究第44-64页
 第一节 证据支持度计算基础第44-49页
  一、 证据支持度计算方法的意义第44页
  二、 定量与定性数据证据支持度算法第44-49页
 第二节 基于不同支持度算法的证据推理遥感分类试验第49-56页
  一、 试验材料与样本采集第49-50页
  二、 证据推理分类体系建立第50-51页
  三、 定量数据证据支持度算法分类结果第51-55页
  四、 定性数据证据支持度算法分类结果第55-56页
 第三节 证据支持度算法的讨论第56-61页
  一、 TFD与MD算法对比第56-58页
  二、 SFD与MFD算法对比第58-61页
  三、 支持度算法的总结评论第61页
 本章小结第61-64页
第四章 集成多季相遥感数据的证据推理湿地遥感分类研究第64-80页
 第一节 多时相遥感影像对分类的贡献第64-71页
  一、 基于多时相影像湿地空间分类的意义第64-65页
  二、 研究区与研究材料第65-68页
  三、 研究方法第68-71页
 第二节 湿地遥感分类试验第71-74页
  一、 分类方法精度对比第71-73页
  二、 多时相证据累积过程分析第73-74页
 第三节 证据推理知识发现第74-77页
  一、 证据推理不确定度第74-76页
  二、 证据累积信任度(cumulative belief values, CBV)第76-77页
 第四节 证据支持度计算方法讨论第77-78页
 本章小结第78-80页
第五章 结合地形数据的证据推理湿地空间分类研究第80-90页
 第一节 研究材料第80-82页
  一、 引入地形数据分类的意义第80页
  二、 研究区及研究材料第80-82页
 第二节 证据支持度计算方法与分类模型第82-83页
  一、 证据支持度计算方法第82-83页
  二、 证据推理分类模型第83页
 第三节 实验结果第83-88页
  一、 MLC分类结果第83-84页
  二、 证据推理分类结果第84-86页
  三、 分类不确定度分析第86-88页
 本章小结第88-90页
第六章 证据推理遥感分类数据源定量评价研究第90-100页
 第一节 证据推理数据的构建第90-92页
  一、 证据结合指数的意义第90页
  二、 构建证据结合指数第90-92页
 第二节 实验材料与方法第92-96页
  一、 实验材料第92-94页
  二、 采样样本EM分析第94-96页
 第三节 实验结果第96-98页
  一、 证据结合指数计算第96-97页
  二、 证据结合指数验证第97-98页
 本章小结第98-100页
第七章 总结与展望第100-104页
 第一节 研究结论第100-101页
 第二节 论文的不足之处第101-102页
 第三节 研究展望第102-104页
参考文献第104-122页
攻读博士学位期间发表论文第122-124页
致谢第124页

论文共124页,点击 下载论文
上一篇:东北地区农林交错带土地利用变化及其对区域气温影响模拟研究
下一篇:水文条件变化对三江平原沼泽湿地土壤碳蓄积的影响