| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-21页 |
| ·研究背景与意义 | 第11-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·研究区与数据源 | 第16-19页 |
| ·本文研究内容 | 第19页 |
| ·论文组织结构 | 第19-21页 |
| 第二章 支持向量数据描述基本理论 | 第21-38页 |
| ·统计学习理论 | 第21-25页 |
| ·机器学习 | 第21-23页 |
| ·经验风险最小化 | 第23-24页 |
| ·结构风险最小化 | 第24-25页 |
| ·支持向量机 | 第25-33页 |
| ·支持向量机分类原理 | 第25-28页 |
| ·核函数 | 第28-29页 |
| ·支持向量机多分类 | 第29-33页 |
| ·支持向量数据描述 | 第33-37页 |
| ·硬间隔数据描述 | 第33-35页 |
| ·软间隔数据描述 | 第35-36页 |
| ·支持向量数据描述分类 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第三章 基于加权支持向量数据描述的病害松树识别 | 第38-54页 |
| ·图像特征描述 | 第38-42页 |
| ·颜色特征 | 第38-40页 |
| ·纹理特征 | 第40-42页 |
| ·加权支持向量数据描述多分类 | 第42-46页 |
| ·加权支持向量数据描述 | 第42-43页 |
| ·权重系数的确定 | 第43-45页 |
| ·多分类方法 | 第45-46页 |
| ·遥感图像病害松树识别方法 | 第46-48页 |
| ·实验结果与分析 | 第48-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 基于多特征和改进WWSVDD多分类的病害松树识别 | 第54-67页 |
| ·图像特征描述 | 第54-56页 |
| ·基于单像素的特征描述 | 第54-55页 |
| ·基于局部区域的特征描述 | 第55-56页 |
| ·核K近邻 | 第56-57页 |
| ·改进的WWSVDD多分类方法 | 第57-59页 |
| ·小波核函数 | 第57-58页 |
| ·改进的多分类方法 | 第58-59页 |
| ·遥感图像病害松树识别方法 | 第59-60页 |
| ·实验结果与分析 | 第60-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 基于特征稀疏表示和WWSVDD的多级病害松树识别 | 第67-79页 |
| ·稀疏表示 | 第67-69页 |
| ·信号处理的基本方法 | 第67-68页 |
| ·稀疏表示问题的描述 | 第68-69页 |
| ·字典构造 | 第69-71页 |
| ·固定字典 | 第69-70页 |
| ·学习字典 | 第70-71页 |
| ·稀疏求解 | 第71-73页 |
| ·匹配追踪类算法 | 第72页 |
| ·l_1范数正则化算法 | 第72-73页 |
| ·多级病害松树识别方法 | 第73-74页 |
| ·实验结果与分析 | 第74-78页 |
| ·本章小结 | 第78-79页 |
| 第六章 总结与展望 | 第79-81页 |
| ·全文工作总结 | 第79页 |
| ·今后工作展望 | 第79-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士期间发表的论文 | 第87页 |
| 攻读硕士期间参与的科研项目 | 第87页 |