| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外的研究现状与发展 | 第15-17页 |
| 1.3 论文的研究内容与关键技术 | 第17-18页 |
| 1.4 本文的结构安排 | 第18-20页 |
| 第二章 基于纹理特征的图像分类技术 | 第20-32页 |
| 2.1 图像分类的基本概念 | 第20-21页 |
| 2.2 纹理特征的提取 | 第21-23页 |
| 2.2.1 纹理的定义 | 第21-22页 |
| 2.2.2 纹理的特征 | 第22-23页 |
| 2.3 GLCM的纹理特征提取 | 第23-30页 |
| 2.3.1 算法介绍 | 第23-26页 |
| 2.3.2 影响算法的元素 | 第26页 |
| 2.3.3 灰度共生矩阵的特征参数 | 第26-30页 |
| 2.4 基于纹理特征的图像分类过程 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 生物地理学优化算法 | 第32-46页 |
| 3.1 生物地理学数学模型 | 第32-38页 |
| 3.1.1 生物地理学 | 第32-35页 |
| 3.1.2 迁移模型 | 第35-37页 |
| 3.1.3 变异操作 | 第37-38页 |
| 3.2 BBO算法的概述与流程 | 第38-40页 |
| 3.2.1 算法概述 | 第38-39页 |
| 3.2.2 算法流程 | 第39-40页 |
| 3.3 DE-BBO算法 | 第40-43页 |
| 3.3.1 DE的基本原理 | 第40-41页 |
| 3.3.2 差分进化的操作过程 | 第41-42页 |
| 3.3.3 DE-BBO算法流程 | 第42-43页 |
| 3.4 其他优化算法的比较 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 一种改进的BBO_MLP和纹理特征的图像分类算法 | 第46-62页 |
| 4.1 MLP的介绍 | 第46-50页 |
| 4.1.1 基本概念 | 第47-48页 |
| 4.1.2 MLP算法存在的问题 | 第48-49页 |
| 4.1.3 MLP算法的研究成果 | 第49-50页 |
| 4.2 DE_BBO训练MLP | 第50-54页 |
| 4.2.1 栖息地的形成 | 第51-52页 |
| 4.2.2 栖息地的适应性指数 | 第52-54页 |
| 4.3 改进的分类算法流程图 | 第54-55页 |
| 4.4 实验结果 | 第55-60页 |
| 4.4.1 数据集分类 | 第55-58页 |
| 4.4.2 图像集分类 | 第58-60页 |
| 4.5 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 工作总结 | 第62页 |
| 5.2 未来与展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72-73页 |