| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第13-28页 |
| 1.1 研究背景与意义 | 第13-16页 |
| 1.2 国内外研究现状综述 | 第16-23页 |
| 1.2.1 遥感影像特征选择研究现状 | 第16-19页 |
| 1.2.2 高分辨率遥感影像面向对象分类方法研究现状 | 第19-21页 |
| 1.2.3 多分类器集成技术研究现状 | 第21-23页 |
| 1.3 研究目标、研究内容与技术路线 | 第23-26页 |
| 1.3.1 研究目标 | 第23-24页 |
| 1.3.2 研究内容 | 第24-25页 |
| 1.3.3 技术路线 | 第25-26页 |
| 1.4 章节安排 | 第26-28页 |
| 第2章 相关理论与方法分析 | 第28-48页 |
| 2.1 特征选择相关理论 | 第28-35页 |
| 2.1.1 遗传算法 | 第28-33页 |
| 2.1.2 禁忌搜索算法 | 第33-35页 |
| 2.2 分类相关理论 | 第35-46页 |
| 2.2.1 模糊C均值聚类算法 | 第35-36页 |
| 2.2.2 支持向量机 | 第36-38页 |
| 2.2.3 BP神经网络 | 第38-40页 |
| 2.2.4 C4.5决策树分类器 | 第40-42页 |
| 2.2.5 KNN算法 | 第42-43页 |
| 2.2.6 朴素贝叶斯 | 第43-45页 |
| 2.2.7 多元线性回归模型 | 第45-46页 |
| 2.3 本章小结 | 第46-48页 |
| 第3章 基于遗传算法与禁忌搜索算法的特征选择 | 第48-69页 |
| 3.1 对象特征构建 | 第48-52页 |
| 3.1.1 光谱特征 | 第48-49页 |
| 3.1.2 形状特征 | 第49-50页 |
| 3.1.3 纹理特征 | 第50-52页 |
| 3.2 利用禁忌搜索改进遗传算法的特征选择方法 | 第52-56页 |
| 3.2.1 基于遗传算法的特征选择 | 第52-53页 |
| 3.2.2 基于禁忌搜索的特征选择 | 第53-54页 |
| 3.2.3 特征评价函数 | 第54-55页 |
| 3.2.4 遗传算法与禁忌搜索相结合的特征选择方法 | 第55-56页 |
| 3.3 算法实现过程 | 第56-57页 |
| 3.4 实验与分析 | 第57-68页 |
| 3.4.1 实验数据与准备 | 第57-60页 |
| 3.4.2 实验内容与结果 | 第60-65页 |
| 3.4.3 精度分析与评价 | 第65-68页 |
| 3.5 本章小结 | 第68-69页 |
| 第4章 基于模糊C均值与支持向量机的半监督分类 | 第69-84页 |
| 4.1 半监督的FCM训练样本获取方法 | 第69-72页 |
| 4.2 半监督的迭代自优化支持向量机分类 | 第72-73页 |
| 4.3 算法实现过程 | 第73-74页 |
| 4.4 实验与分析 | 第74-82页 |
| 4.4.1 实验数据与准备 | 第74-77页 |
| 4.4.2 实验内容与结果 | 第77-79页 |
| 4.4.3 精度分析与评价 | 第79-82页 |
| 4.5 本章小结 | 第82-84页 |
| 第5章 基于层叠泛化模型的多分类器集成分类 | 第84-101页 |
| 5.1 层叠泛化模型 | 第84-88页 |
| 5.2 权重自适应的层叠泛化集成分类 | 第88-91页 |
| 5.3 实验与分析 | 第91-99页 |
| 5.3.1 实验内容与结果 | 第91-96页 |
| 5.3.2 精度分析与评价 | 第96-99页 |
| 5.4 本章小结 | 第99-101页 |
| 第6章 总结与展望 | 第101-105页 |
| 6.1 研究内容总结 | 第101-102页 |
| 6.2 本文创新点 | 第102-103页 |
| 6.3 研究展望 | 第103-105页 |
| 参考文献 | 第105-112页 |
| 攻读博士学位期间发表的科研成果目录 | 第112-113页 |
| 致谢 | 第113页 |