| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 1. 绪论 | 第9-13页 |
| ·论文研究背景与意义 | 第9-10页 |
| ·本文研究技术路线 | 第10-12页 |
| ·论文内容与框架 | 第12-13页 |
| 2. 遥感图像分类方法研究现状 | 第13-25页 |
| ·计算机传统分类方法 | 第13-15页 |
| ·最大似然法 | 第13-15页 |
| ·ISODATA法 | 第15页 |
| ·非传统分类方法研究现状与存在问题 | 第15-23页 |
| ·人工神经网络法(ANN) | 第15-17页 |
| ·模糊分类法 | 第17-18页 |
| ·决策树分类法 | 第18-19页 |
| ·支持向量机法(Support Vector Machine，SVM) | 第19-23页 |
| ·计算机分类方法的综合运用 | 第23-24页 |
| ·面向对象的分类方法 | 第24-25页 |
| 3. 四种影像分类方法实现 | 第25-36页 |
| ·实验数据选取 | 第25-27页 |
| ·实验数据预处理 | 第27页 |
| ·实验数据光谱分析 | 第27-29页 |
| ·ISODATA分类方法 | 第29-30页 |
| ·最大似然法分类方法 | 第30-31页 |
| ·决策树分类方法 | 第31-34页 |
| ·支持向量机(SVM)分类方法 | 第34-36页 |
| 4. 决策树与支持向量机(SVM)相结合分类方法实现 | 第36-39页 |
| ·四种分类方法的对比分析 | 第36-37页 |
| ·决策树与支持向量机(SVM)相结合分类方法实现 | 第37-39页 |
| ·决策树与支持向量机(SVM)相结合与其他方法对比 | 第39页 |
| 5. 结论与展望 | 第39-41页 |
| ·结论 | 第39-40页 |
| ·讨论 | 第40页 |
| ·展望 | 第40-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-44页 |
