| Curriculum Vitae | 第7-9页 |
| 中文摘要 | 第9-12页 |
| ABSTRACT | 第12-15页 |
| Chapter 1: Introduction | 第21-33页 |
| 1:1 Background to the Study | 第21-26页 |
| 1:2 Statement of the Research Problem | 第26-29页 |
| 1:3 Aims and Objectives of study | 第29页 |
| 1.3.1 Aims of the Research | 第29页 |
| 1.3.2 Objectives of the Research | 第29页 |
| 1:4 Research Questions | 第29-30页 |
| 1:5 Significance of the Research | 第30-31页 |
| 1:6 Scope of the Research | 第31-32页 |
| 1:7 Outline of the Thesis Structure | 第32-33页 |
| Chapter 2: Literature Review | 第33-104页 |
| 2:1 Introduction | 第33页 |
| 2:2 Coordinate Operation | 第33-76页 |
| 2.2.1 Coordinate Conversion | 第34-39页 |
| 2.2.2 Reverse Conversion Methods applied in Ghana | 第39-51页 |
| 2.2.3 Coordinate Transformation Models Applied in Ghana | 第51-76页 |
| 2:3 Artificial Intelligence | 第76-104页 |
| 2.3.1 Concept of Artificial Neural Network | 第77-104页 |
| Chapter 3: Capability of Artificial Neural Network for Forward Conversion of Geodetic Coordinates (φ,λ,h) to Cartesian Coordinates (x, y, z) | 第104-152页 |
| 3:1 Summary | 第104-105页 |
| 3:2 Introduction | 第105-109页 |
| 3:3 Artificial Neural Network Methods | 第109-119页 |
| 3.3.1 Data and Selection of Input Parameters | 第111-112页 |
| 3.3.2 Data Normalization | 第112-113页 |
| 3.3.3 ANN Architecture | 第113页 |
| 3.3.4 Network Training | 第113-115页 |
| 3.3.5 Backpropagation Artificial Neural Network | 第115-117页 |
| 3.3.6 Radial Basis Function Neural Network | 第117-119页 |
| 3:4 Multiple Linear Regression | 第119-120页 |
| 3:5 Assessment of Model Quality | 第120-121页 |
| 3:6 Results and Discussion | 第121-150页 |
| 3.6.1 ANN Models Developed | 第121-135页 |
| 3.6.2 Residual Analysis | 第135-145页 |
| 3.6.3 Dimensioned Error Statistic | 第145-146页 |
| 3.6.4 Model Efficiency Based Statistics | 第146-147页 |
| 3.6.5 Comparing ANN and Multiple Linear Regression | 第147-150页 |
| 3:7 Conclusions | 第150-151页 |
| 3:8 Recommendations | 第151-152页 |
| Chapter 4: Novel Approach to Improve Geocentric Translation Model Performance using Artificial Neural Network Technology | 第152-179页 |
| 4:1 Summary | 第152页 |
| 4:2 Introduction | 第152-156页 |
| 4:3 Study Area and Data Source | 第156-158页 |
| 4:4 Methods | 第158-164页 |
| 4.4.1 Geocentric Translation Model | 第158-159页 |
| 4.4.2 Artificial Neural Network | 第159页 |
| 4.4.3 Proposed Approach | 第159-164页 |
| 4:5 Accuracy Analysis | 第164-165页 |
| 4:6 Results and Interpretation | 第165-176页 |
| 4.6.1 Geocentric Translation Model | 第165-170页 |
| 4.6.2 Artificial Neural Network-Error Compensation Model (ANN-ECM) | 第170-173页 |
| 4.6.3 Comparison of ANN-ECM and GTM | 第173-176页 |
| 4:7 Concluding remarks | 第176-178页 |
| 4:8 Recommendation | 第178-179页 |
| Chapter 5: Coordinate Transformation by Hybrid Approach of Total Least Squares and Artificial Neural Network for Geographic Information System Applications: A Case Study | 第179-217页 |
| 5:1 Summary | 第179-180页 |
| 5:2 Introduction | 第180-183页 |
| 5:3 Ghana Geodetic System | 第183-186页 |
| 5:4 Data Source and Applied Methodology | 第186-198页 |
| 5.4.1 Data | 第186-187页 |
| 5.4.2 Data Conversion | 第187页 |
| 5.4.3 Coordinate Transformation using Total Least Squares | 第187-190页 |
| 5.4.4 Coordinate Transformation using Radial Basis Function Neural Network (RBFNN) | 第190-193页 |
| 5.4.5 Proposed Hybrid Model | 第193-198页 |
| 5:5 Performance Criteria | 第198-199页 |
| 5:6 Numerical Application | 第199-214页 |
| 5.6.1 Test Residual Analysis | 第199-203页 |
| 5.6.2 Model Performance Analysis | 第203-207页 |
| 5.6.3 Model Selection Criterion | 第207-208页 |
| 5.6.4 Coordinate transformation using entire dataset | 第208-214页 |
| 5:7 Conclusion | 第214-215页 |
| 5:8 Recommendation | 第215-217页 |
| Chapter 6: 2D Coordinate Transformation Based on Artificial Intelligent Models for Cadastral Applications in Ghana | 第217-267页 |
| 6:1 Summary | 第217-218页 |
| 6:2 Introduction | 第218-224页 |
| 6:3 Study Area and Data Source | 第224-226页 |
| 6:4 Artificial Intelligent Methods | 第226-244页 |
| 6.4.1 Coordinate Transformation using Back propagation neural network model | 第226-229页 |
| 6.4.2 Coordinate Transformation using Radial basis function neural network model | 第229-232页 |
| 6.4.3 Coordinate Transformation using Support Vector Machine model | 第232-234页 |
| 6.4.4 Coordinate Transformation using Least Square-Support Vector Machine model | 第234-237页 |
| 6.4.5 Coordinate Transformation using Multivariate Adaptive Regression Spline model | 第237-238页 |
| 6.4.6 Coordinate Transformation using Extreme Learning Machine Model | 第238-241页 |
| 6.4.7 2D Conformal Transformation Model | 第241-242页 |
| 6.4.8 2D Affine Transformation Model | 第242页 |
| 6.4.9 Model Building | 第242-244页 |
| 6:5 Model Adequacy Assessment | 第244-245页 |
| 6:6 Results and Discussion | 第245-264页 |
| 6.6.1 Coordinate transformation from Leigon datum to Accra datum | 第245-264页 |
| 6:7 Conclusions | 第264-266页 |
| 6:8 Recommendations | 第266-267页 |
| Chapter 7: General Conclusions, Recommendations and Innovations of the Entire Study | 第267-274页 |
| 7:1 Study Conclusions | 第267-271页 |
| 7:2 Study recommendations | 第271-272页 |
| 7:3 Innovations of the entire study | 第272-274页 |
| Acknowledgement | 第274-276页 |
| Reference | 第276-306页 |
