| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 第1章 绪论 | 第13-25页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 遥感影像分类的研究现状 | 第15-20页 |
| 1.3 演化计算理论在遥感影像分类中的应用潜力 | 第20-22页 |
| 1.4 本论文的研究内容与章节安排 | 第22-24页 |
| 1.4.1 研究内容 | 第22-24页 |
| 1.4.2 章节安排 | 第24页 |
| 1.5 本章小结 | 第24-25页 |
| 第2章 演化计算理论与方法 | 第25-39页 |
| 2.1 演化计算理论 | 第25-27页 |
| 2.2 人工DNA计算 | 第27-30页 |
| 2.3 模因(MEMETIC)优化算法 | 第30-32页 |
| 2.3.1 模因算法概述 | 第30-31页 |
| 2.3.2 模因算法分类 | 第31-32页 |
| 2.4 多目标进化算法 | 第32-38页 |
| 2.4.1 多目标优化问题 | 第32-34页 |
| 2.4.2 多目标优化方法概述 | 第34-36页 |
| 2.4.3 典型多目标进化算法 | 第36-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第3章 基于人工DNA编码表达的高光谱遥感影像半监督分类算法 | 第39-61页 |
| 3.1 遥感影像半监督分类方法 | 第40-42页 |
| 3.1.1 子空间投影支持向量机SVMsub | 第40-41页 |
| 3.1.2 直推式支持向量机TSVM | 第41-42页 |
| 3.2 基于人工DNA计算的高光谱影像半监督分类算法 | 第42-50页 |
| 3.2.1 SSDNA中人工DNA编码过程 | 第42-46页 |
| 3.2.2 基于演化算法的高光谱遥感影像DNA编码立方体优化 | 第46-50页 |
| 3.3 实验与分析 | 第50-60页 |
| 3.3.1 实验设计和参数设置 | 第50页 |
| 3.3.2 实验结果 | 第50-57页 |
| 3.3.3 参数分析 | 第57-59页 |
| 3.3.4 算法计算复杂度分析 | 第59-60页 |
| 3.4 本章小结 | 第60-61页 |
| 第4章 遥感影像模因优化聚类算法 | 第61-98页 |
| 4.1 遥感影像聚类基本方法 | 第62-65页 |
| 4.1.1 K均值聚类算法 | 第62-63页 |
| 4.1.2 ISODATA聚类算法 | 第63-64页 |
| 4.1.3 模糊K均值算法 | 第64-65页 |
| 4.2 单目标模因优化遥感影像模糊聚类算法 | 第65-80页 |
| 4.2.1 AMASFC算法介绍 | 第65-71页 |
| 4.2.2 实验结果与分析 | 第71-80页 |
| 4.2.3 AMASFC算法小结 | 第80页 |
| 4.3 多目标模因优化遥感影像模糊聚类算法 | 第80-97页 |
| 4.3.1 AFCMOMA算法介绍 | 第80-88页 |
| 4.3.2 实验结果与分析 | 第88-97页 |
| 4.3.3 AFCMOMA算法小结 | 第97页 |
| 4.4 本章小结 | 第97-98页 |
| 第5章 自适应高光谱遥感影像多目标亚像元制图方法 | 第98-121页 |
| 5.1 亚像元制图理论 | 第98-104页 |
| 5.1.1 亚像元制图定义 | 第98-100页 |
| 5.1.2 亚像元制图基本方法 | 第100-104页 |
| 5.2 自适应高光谱遥感影像多目标亚像元制图框架 | 第104-111页 |
| 5.3 实验结果与分析 | 第111-120页 |
| 5.3.1 实验设计与参数设置 | 第111页 |
| 5.3.2 实验结果 | 第111-118页 |
| 5.3.3 参数分析 | 第118-120页 |
| 5.4 本章小结 | 第120-121页 |
| 第6章 基于演化计算理论的遥感影像分类原型系统 | 第121-128页 |
| 6.1 系统设计 | 第121-123页 |
| 6.2 系统使用 | 第123-124页 |
| 6.3 实验结果及分析 | 第124-127页 |
| 6.4 本章小结 | 第127-128页 |
| 第7章 总结与展望 | 第128-131页 |
| 7.1 本论文总结 | 第128-129页 |
| 7.2 研究展望 | 第129-131页 |
| 参考文献 | 第131-142页 |
| 附录 | 第142-145页 |
| 致谢 | 第145-146页 |
