森林类型高光谱遥感分类研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 引言 | 第13-22页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 国内外研究现状及评述 | 第15-22页 |
| 1.2 研究目标和主要研究内容 | 第22-24页 |
| 1.2.1 关键的科学问题与研究目标 | 第22-23页 |
| 1.2.2 主要研究内容 | 第23-24页 |
| 1.3 研究技术路线 | 第24-27页 |
| 1.3.1 技术路线 | 第24-25页 |
| 1.3.2 结构安排 | 第25-27页 |
| 第二章 研究区概况及数据 | 第27-44页 |
| 2.1 研究区概况 | 第27-28页 |
| 2.2 Hyperion高光谱数据 | 第28-29页 |
| 2.3 Hyperion数据预处理 | 第29-34页 |
| 2.4 外业调查数据及辅助数据 | 第34-41页 |
| 2.4.2 外业实验设计 | 第34-35页 |
| 2.4.3 外业实验的实施 | 第35-36页 |
| 2.4.4 外业数据处理 | 第36-39页 |
| 2.4.5 其他辅助数据获取 | 第39-41页 |
| 2.5 分类系统 | 第41-42页 |
| 2.6 小结 | 第42-44页 |
| 第三章 高光谱数据降维方法 | 第44-54页 |
| 3.1 基于波段选择的降维方法 | 第44-49页 |
| 3.1.1 自适应波段选择法 | 第44-47页 |
| 3.1.2 基于随机森林算法的波段选择 | 第47-49页 |
| 3.2 高光谱特征提取方法 | 第49-53页 |
| 3.2.1 主成分分析 | 第49-50页 |
| 3.2.2 独立主成分分析 | 第50-51页 |
| 3.2.3 核主成分分析 | 第51-53页 |
| 3.3 纹理信息提取 | 第53页 |
| 3.4 小结 | 第53-54页 |
| 第四章 C5.0决策树森林类型精细分类 | 第54-70页 |
| 4.1 样本选择 | 第54-56页 |
| 4.2 分类策略 | 第56页 |
| 4.3 分类特征选择 | 第56-57页 |
| 4.4 C5.0决策树算法 | 第57-58页 |
| 4.5 森林类型精细分类 | 第58-60页 |
| 4.6 精度评价及分析 | 第60-66页 |
| 4.7 纹理特征的应用 | 第66-69页 |
| 4.8 小结 | 第69-70页 |
| 第五章 多分类器组合森林类型精细分类 | 第70-82页 |
| 5.1 分类策略 | 第70-71页 |
| 5.2 分类方法 | 第71-74页 |
| 5.2.1 支持向量机 | 第71-72页 |
| 5.2.2 随机森林 | 第72页 |
| 5.2.3 自适应权值多分类组合模型 | 第72-74页 |
| 5.3 分类结果与精度评价 | 第74-79页 |
| 5.4 分析与结论 | 第79-80页 |
| 5.4.1 分类结果分析 | 第79-80页 |
| 5.4.2 结论 | 第80页 |
| 5.5 小结 | 第80-82页 |
| 第六章 讨论与展望 | 第82-84页 |
| 6.1 讨论 | 第82-83页 |
| 6.2 不足与展望 | 第83-84页 |
| 参考文献 | 第84-93页 |
| 在读期间的学术研究 | 第93-95页 |
| 致谢 | 第95-96页 |
