| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 国内外研究现状 | 第9-20页 |
| 1.1.1 图像融合国内外研究现状 | 第9-12页 |
| 1.1.2 支持向量机国内外研究现状 | 第12-16页 |
| 1.1.3 基于支持向量机遥感图像融合分类问题分析 | 第16-18页 |
| 1.1.4 论文研究思路及组织结构 | 第18-19页 |
| 1.1.5 小结 | 第19-20页 |
| 第2章 支持向量机算法原理介绍 | 第20-32页 |
| 2.1 机器学习理论 | 第20-22页 |
| 2.2 支持向量机原理 | 第22-30页 |
| 2.2.1 统计学习理论相关概念 | 第22-24页 |
| 2.2.2 支持向量机算法原理 | 第24-29页 |
| 2.2.3 SVM 多类问题解决策略 | 第29-30页 |
| 2.3 主要支持向量机工具 | 第30-31页 |
| 2.4 小结 | 第31-32页 |
| 第3章 基于支持向量机融合分类算法研究 | 第32-94页 |
| 3.1 合成核支持向量机介绍 | 第32-35页 |
| 3.2 DOCKSVM 介绍 | 第35-40页 |
| 3.2.1 DOCKSVM 合成核理论基础 | 第35页 |
| 3.2.2 DOCKSVM 算法描述 | 第35-40页 |
| 3.3 基于DOCKSVM 遥感图像融合分类算法 | 第40-46页 |
| 3.3.1 基于DOCKSVM 像素级融合分类算法 | 第41-42页 |
| 3.3.2 基于 DOCKSVM 特征级融合分类算法 | 第42-44页 |
| 3.3.3 基于DOCKSVM 决策级融合分类算法 | 第44-46页 |
| 3.4 融合分类算法实验与比较分析 | 第46-92页 |
| 3.4.1 数据选择与数据预处理 | 第46-47页 |
| 3.4.2 基于DOCKSVM 像素级融合分类实验 | 第47-60页 |
| 3.4.3 基于DOCKSVM 特征级融合分类实验 | 第60-79页 |
| 3.4.4 基于DOCKSVM 决策级融合分类实验 | 第79-92页 |
| 3.5 小结 | 第92-94页 |
| 第4章 基于SVM 区域变换检测应用研究 | 第94-104页 |
| 4.1 区域变化检测研究现状 | 第94-96页 |
| 4.2 数据选择 | 第96页 |
| 4.3 图像预处理 | 第96-98页 |
| 4.4 区域变化检测试验 | 第98-100页 |
| 4.5 分类结果与评价 | 第100-102页 |
| 4.6 地物类型变化检测结果与评价 | 第102-103页 |
| 4.7 小结 | 第103-104页 |
| 第5章 结论 | 第104-105页 |
| 致谢 | 第105-106页 |
| 参考文献 | 第106-112页 |
| 附录 | 第112页 |
