| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-27页 |
| ·论文选题意义 | 第11-12页 |
| ·国内外研究现状及发展趋势 | 第12-20页 |
| ·高光谱遥感影像分析研究现状 | 第13-17页 |
| ·基于SVM的高光谱遥感影像解译研究综述 | 第17-20页 |
| ·研究内容 | 第20-25页 |
| ·研究面向SVM分类的降维技术 | 第21-22页 |
| ·适用于高光谱遥感影像的SVM参数优化研究 | 第22-23页 |
| ·适用于高光谱遥感影像的SVM多分类策略研究 | 第23-25页 |
| ·技术框架总图 | 第25页 |
| ·本文的结构安排 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第二章 SVM原理及在高光谱影像分析中的应用 | 第27-47页 |
| ·SVM简介 | 第27-28页 |
| ·SVM分类计算原理 | 第28-36页 |
| ·线性可分支持向量机 | 第29-31页 |
| ·线性不可分支持向量机 | 第31-33页 |
| ·非线性可分支持向量机 | 第33-36页 |
| ·SVM特性分析 | 第36-39页 |
| ·基于结构风险最小化原则的学习理论 | 第36-38页 |
| ·SVM优势 | 第38页 |
| ·SVM缺陷 | 第38-39页 |
| ·试验 | 第39-46页 |
| ·实验数据 | 第39-41页 |
| ·三种算法试验对比 | 第41-44页 |
| ·不同参数的SVM分类效果比较 | 第44-46页 |
| ·小结 | 第46-47页 |
| 第三章 基于核主成分分析和分形维的高光谱遥感影像特征提取 | 第47-77页 |
| ·高光谱遥感影像降维方法评述 | 第47-52页 |
| ·PCA特征转换方法 | 第48-49页 |
| ·穗帽变换法(KT) | 第49-50页 |
| ·哈达玛(HT)变换 | 第50-51页 |
| ·基于非线性准则的特征提取 | 第51-52页 |
| ·基于KPCA的高光谱影像特征提取 | 第52-63页 |
| ·KPCA的提出和发展现状 | 第52-53页 |
| ·核函数理论简介 | 第53-56页 |
| ·核函数的构建和选择 | 第56-57页 |
| ·KPCA高光谱影像特征提取 | 第57-59页 |
| ·试验 | 第59-63页 |
| ·分形维值提取光谱特征值 | 第63-69页 |
| ·分形维理论 | 第64页 |
| ·分形维值计算 | 第64-66页 |
| ·影像分形维值计算 | 第66-69页 |
| ·基于分形维的KPCA特征提取 | 第69-76页 |
| ·算法设计 | 第70-71页 |
| ·试验 | 第71-76页 |
| ·小结 | 第76-77页 |
| 第四章 SVM惩罚系数和核函数参数优化设置 | 第77-102页 |
| ·分类模型参数选择的重要性和必要性 | 第77-80页 |
| ·惩罚系数和核函数理论概述 | 第77-78页 |
| ·惩罚系数实质和对SVM分类的影响 | 第78-79页 |
| ·核函数实质和对SVM影像分类的影响 | 第79-80页 |
| ·现有的参数设置方法及其评析 | 第80-84页 |
| ·SVM参数设置方法研究现状 | 第80-83页 |
| ·SVM参数优化方法总结与评析 | 第83-84页 |
| ·免惩罚系数SVM分类策略 | 第84-93页 |
| ·参数数量对一般模型的影响分析 | 第84-86页 |
| ·SVM模型参数改进 | 第86-87页 |
| ·与最近点算法(NPA)结合的惩罚系数选取策略 | 第87-90页 |
| ·算法步骤和评析 | 第90-91页 |
| ·试验 | 第91-93页 |
| ·二叉树有向验证法选取核参数 | 第93-101页 |
| ·核函数的选择 | 第93-95页 |
| ·分段二叉树有向验证法选取核参数 | 第95页 |
| ·试验 | 第95-101页 |
| ·小结 | 第101-102页 |
| 第五章 基于NPA的类别预组织"1 V m"SVM高光谱遥感影像分类 | 第102-117页 |
| ·多分类策略原理概述 | 第102-108页 |
| ·"1 V 1"多分类策略 | 第102-104页 |
| ·"1 V m"多分类策略 | 第104-105页 |
| ·DAGSVM多分类策略 | 第105-107页 |
| ·二叉树多分类策略 | 第107-108页 |
| ·多分类SVM分类性能分析 | 第108页 |
| ·利用最近点算法(NPA)解译高光谱遥感影像 | 第108-110页 |
| ·基于NPA的类别预组织"1 V m"SVM分类模型 | 第110-112页 |
| ·试验 | 第112-116页 |
| ·Gaussian数据集实验 | 第112-114页 |
| ·高光谱遥感影像实验 | 第114-116页 |
| ·小结 | 第116-117页 |
| 第六章 总结与展望 | 第117-120页 |
| ·本文的主要的工作和创新点 | 第117-118页 |
| ·下一步的工作和展望 | 第118-120页 |
| 参考文献 | 第120-126页 |
| 攻读博士学位期间科研情况和发表论文 | 第126-127页 |
| 1、参与的主要科研项目 | 第126页 |
| 2、攻读博士期间发表的论文 | 第126-127页 |
| 致谢 | 第127-129页 |
