| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题研究背景和意义 | 第10-12页 |
| ·高光谱分类的研究现状 | 第12-14页 |
| ·本文的研究内容和组织结构 | 第14-16页 |
| 第2章 高光谱遥感图像的分类理论 | 第16-28页 |
| ·高光谱遥感图像数据 | 第16-21页 |
| ·高光谱数据的描述 | 第17-19页 |
| ·本文的数据描述方式 | 第19-20页 |
| ·高光谱数据的特性 | 第20-21页 |
| ·高光谱数据的分类流程 | 第21-24页 |
| ·高光谱数据分类存在的问题 | 第24-27页 |
| ·Hughes效应 | 第24-26页 |
| ·光谱混合现象 | 第26页 |
| ·传统分类方法存在的问题 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 统计学习理论和支持向量机 | 第28-42页 |
| ·统计学习理论 | 第28-34页 |
| ·机器学习问题的表示 | 第28-29页 |
| ·经验风险最小化原则 | 第29-30页 |
| ·复杂性与推广能力 | 第30-31页 |
| ·统计学习理论 | 第31-34页 |
| ·支持向量机 | 第34-40页 |
| ·最优分类面 | 第35-37页 |
| ·支持向量机 | 第37-39页 |
| ·核函数 | 第39-40页 |
| ·支持向量机的特点 | 第40页 |
| ·本章小结 | 第40-42页 |
| 第4章 基于多类SVM的高光谱图像分类 | 第42-64页 |
| ·两类支持向量机分类原理 | 第42-44页 |
| ·多类支持向量机的研究现状 | 第44-54页 |
| ·用多个两类分类器实现多类分类 | 第44-46页 |
| ·用层次型两类分类器实现多类分类 | 第46-52页 |
| ·用一个最优化问题一次性实现多类分类 | 第52-53页 |
| ·纠错编码SVM | 第53-54页 |
| ·二次分类的多类支持向量机 | 第54-55页 |
| ·高光谱遥感图像分类仿真实验 | 第55-63页 |
| ·实验图像和分类流程 | 第55-57页 |
| ·1-a-1 SVM和二次分类算法的仿真实验 | 第57-61页 |
| ·基于DAG-SVM和ADAG-SVM的高光谱分类实验 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 基于模糊SVM的高光谱图像分类 | 第64-70页 |
| ·多类支持向量机存在的局限性 | 第64-65页 |
| ·模糊集的基本概念 | 第65-66页 |
| ·基于1-a-1SVM的模糊支持向量机 | 第66-68页 |
| ·高光谱遥感图像分类仿真实验 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的文章和取得的科研成果 | 第76-77页 |
| 致谢 | 第77页 |