| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·人工神经网络概述 | 第9-11页 |
| ·高光谱遥感概述 | 第11-12页 |
| ·课题来源研究意义 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第二章 高光谱遥感图像及分类技术 | 第14-21页 |
| ·遥感电磁波理论基础 | 第14-17页 |
| ·遥感电磁波与电磁波谱 | 第14-15页 |
| ·电磁波与地表物体的相互作用 | 第15-16页 |
| ·岩矿的光谱特性 | 第16-17页 |
| ·高光谱识别的基本方法 | 第17-21页 |
| ·高光谱图像的特点 | 第17页 |
| ·高光谱图像识别算法 | 第17-20页 |
| ·高光谱图像识别面临的困难 | 第20-21页 |
| 第三章 神经网络原理 | 第21-31页 |
| ·人工神经网络的基本模型 | 第21-25页 |
| ·神经元 | 第21-22页 |
| ·网络拓扑结构 | 第22页 |
| ·学习规则 | 第22-25页 |
| ·人工神经网络分类 | 第25页 |
| ·前馈型网络 | 第25页 |
| ·反馈型网络 | 第25页 |
| ·误差反传训练算法（BP 算法） | 第25-31页 |
| ·BP 算法的数学描述 | 第26-28页 |
| ·激活函数的选择 | 第28-29页 |
| ·隐含层的数目和隐含层节点数目的确定 | 第29-31页 |
| 第四章 基于BP 网络的高光谱矿物识别模型的设计与实现 | 第31-44页 |
| ·BP 神经网络的总体架构 | 第31-32页 |
| ·BP 网络的算法实现 | 第32-35页 |
| ·数据结构设计 | 第32页 |
| ·学习算法实现 | 第32-35页 |
| ·识别算法的实现 | 第35页 |
| ·BP 网络的学习 | 第35-39页 |
| ·训练样本的选择 | 第36-37页 |
| ·网络学习要素的选择 | 第37-38页 |
| ·网络训练的优化 | 第38-39页 |
| ·试验结果分析 | 第39-44页 |
| ·训练结果与分析 | 第39-42页 |
| ·识别效果 | 第42-44页 |
| 第五章 总结与展望 | 第44-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 附录 | 第48页 |