支持向量机算法在TM多光谱图像分类中的应用与实现

第一章 绪论	第1-23页
·支持向量机算法概述	第7-17页
·研究历史	第8-9页
·基本思想	第9-17页
·模式分类的一般步骤	第17-19页
·TM 图像数据的格式及特点	第19-22页
·研究目的及意义	第22-23页
第二章 支持向量机算法的数学基础	第23-33页
·一阶范数软间隔分类器（盒约束）	第23-25页
·实现技术（SMO 算法）	第25-33页
·SMO 基本算法	第26-28页
·SMO 快速算法	第28-33页
第三章 分类软件的设计与算法实现	第33-54页
·整体设计	第33-35页
·样本采集模块的设计与实现	第35-40页
·主要数据结构及实现	第36-39页
·训练样本文件的格式及生成	第39-40页
·算法训练模块的设计与实现	第40-45页
·主要数据结构	第42-43页
·训练算法的接口和实现步骤	第43-45页
·算法分类模块的设计与实现	第45-46页
·其它分类算法模块的原理与实现	第46-49页
·最小距离分类法	第46-48页
·最大似然估计分类法	第48-49页
·主成分分析模块	第49-52页
·图像显示模块的设计与实现	第52-54页
第四章 参数调节及对性能的影响	第54-63页
·交叉验证技术	第54-55页
·栅格搜索技术	第55-58页
·核函数性能对比	第58-63页
第五章 分类结果的评价	第63-70页
·实验区地面资料分析	第63-65页
·三种核函数的分类结果比较	第65-67页
·与其它分类算法的结果比较	第67-70页
结论及存在的问题	第70-71页
致谢	第71-72页
参考文献	第72-73页