基于SVM遥感图像专题信息提取研究
| 第一章 绪论 | 第1-13页 |
| ·引言 | 第8-9页 |
| ·研究内容 | 第9页 |
| ·国内外SVM及遥感矿化信息提取研究现状 | 第9-12页 |
| ·SVM研究现状 | 第9-11页 |
| ·遥感矿化信息提取研究现状 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 区域地质背景 | 第13-19页 |
| ·自然地理环境 | 第13-14页 |
| ·山川地势 | 第13页 |
| ·水系 | 第13页 |
| ·气候 | 第13-14页 |
| ·区域地质概况 | 第14-18页 |
| ·地层 | 第14页 |
| ·构造 | 第14-15页 |
| ·岩浆岩 | 第15-17页 |
| ·矿产 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 支持向量机理论基础 | 第19-39页 |
| ·学习问题的表示 | 第19-23页 |
| ·函数估计模型 | 第19-20页 |
| ·三种主要的学习问题 | 第20-21页 |
| ·学习问题的一般表示 | 第21页 |
| ·经验风险最小化 | 第21-22页 |
| ·复杂性与推广能力 | 第22-23页 |
| ·统计学习理论 | 第23-27页 |
| ·学习过程的一致性 | 第23-24页 |
| ·VC维 | 第24页 |
| ·推广性的界 | 第24-25页 |
| ·结构风险最小化 | 第25-27页 |
| ·支持向量机 | 第27-32页 |
| ·线性分类算法 | 第27-29页 |
| ·非线性分类算法 | 第29页 |
| ·核函数 | 第29-31页 |
| ·构造支持向量机 | 第31-32页 |
| ·专用算法 | 第32-38页 |
| ·选块算法(Chunking) | 第33-34页 |
| ·分解算法(Decomposing) | 第34-35页 |
| ·序列最小优化算法(SMO) | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 遥感数字图像处理 | 第39-54页 |
| ·图像基本概念及处理原则 | 第39-40页 |
| ·基本概念 | 第39-40页 |
| ·数字图像处理原则 | 第40页 |
| ·遥感图像复原 | 第40-46页 |
| ·辐射校正 | 第40-41页 |
| ·大气校正 | 第41-42页 |
| ·噪声消除 | 第42页 |
| ·几何校正 | 第42-46页 |
| ·图像镶嵌 | 第46-50页 |
| ·几何镶嵌 | 第47-48页 |
| ·灰度镶嵌 | 第48-50页 |
| ·图像拉伸 | 第50-52页 |
| ·灰度拉伸 | 第50-52页 |
| ·直方图均衡化 | 第52页 |
| ·本章小结 | 第52-54页 |
| 第五章 基于SVM遥感矿化信息提取专题 | 第54-67页 |
| ·模型选择 | 第54-61页 |
| ·特征选择 | 第54-55页 |
| ·算法优化 | 第55-61页 |
| ·机器学习 | 第61-62页 |
| ·模型建立 | 第61页 |
| ·信息提取及结果 | 第61页 |
| ·几种核函数对比 | 第61-62页 |
| ·结果分析及评价 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 结束语 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
