| 摘要 | 第1-8页 |
| 第一章 前言 | 第8-12页 |
| 1．1 土地覆盖的基本概念及其研究意义 | 第8页 |
| 1．2 本文研究背景 | 第8-11页 |
| 1．3 本文研究内容及内容组织 | 第11-12页 |
| 第二章 多种分类特征的选择和提取 | 第12-26页 |
| 2．1 概念和原理 | 第12页 |
| 2．2 分类特征提取方法 | 第12-14页 |
| 2．3 类别可分离性判据 | 第14-15页 |
| 2．4 土地覆盖分类特征应用现状 | 第15-16页 |
| 2．5 试验说明 | 第16-22页 |
| 2．5．1 试验区基本情况 | 第16页 |
| 2．5．2 分类特征选择与提取 | 第16-18页 |
| 2．5．3 数据源及预处理 | 第18-19页 |
| 2．5．4 采样方案 | 第19-21页 |
| 2．5．5 分类特征的最佳获取 | 第21-22页 |
| 2．6 试验结果与分析 | 第22-24页 |
| 2．6．1 分类特征的可分性 | 第22-23页 |
| 2．6．2 特征组合与精度分析 | 第23-24页 |
| 2．7 本章小结 | 第24-26页 |
| 第三章 分类方法的选择和比较 | 第26-43页 |
| 3．1 引言 | 第26-28页 |
| 3．2 分类方法及原理 | 第28-34页 |
| 3．2．1 最大似然法(MLC) | 第28页 |
| 3．2．2 Parzen窗法 | 第28-29页 |
| 3．2．3 分类回归树(CART) | 第29-31页 |
| 3．2．4 C4．5决策树 | 第31页 |
| 3．2．5 决策树中采用的新技术——boosting与bagging方法 | 第31-32页 |
| 3．2．6 BP神经网络 | 第32-33页 |
| 3．2．7 RBF神经网络 | 第33页 |
| 3．2．8 Fuzzy ARTMAP神经网络 | 第33-34页 |
| 3．3 试验应用 | 第34-36页 |
| 3．3．1 样本选取 | 第34页 |
| 3．3．2 分类特征选择及处理 | 第34-35页 |
| 3．3．3 试验方案 | 第35-36页 |
| 3．4 试验结果 | 第36-41页 |
| 3．4．1 决策树分析 | 第36-38页 |
| 3．4．2 神经网络分析 | 第38-40页 |
| 3．4．3 决策树、神经网络、Bayes分类器对比分析 | 第40-41页 |
| 3．4．4 样本大小对分类器影响 | 第41页 |
| 3．5 本章小结 | 第41-43页 |
| 第四章 分类系统 | 第43-60页 |
| 4．1 引言 | 第43-44页 |
| 4．2 国内外主要土地覆盖分类系统 | 第44-46页 |
| 4．3 分类系统的建立 | 第46-52页 |
| 4．3．1 分类系统的划分 | 第46-47页 |
| 4．3．2 划分依据及遥感影像解译原理 | 第47-51页 |
| 4．3．3 分类体系特点 | 第51-52页 |
| 4．4 在中国区域的分类试验 | 第52-58页 |
| 4．4．1 数据源选择 | 第52-53页 |
| 4．4．2 分类方法及步骤 | 第53-54页 |
| 4．4．3 分类结果 | 第54-55页 |
| 4．4．4 分类结果评价 | 第55-58页 |
| 4．5 本章小结 | 第58-60页 |
| 第五章 结论和讨论 | 第60-62页 |
| 5．1 研究结论 | 第60-61页 |
| 5．2 问题和讨论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 硕士期间发表文章 | 第66-67页 |
| 致谢 | 第67页 |