| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 前言 | 第10-14页 |
| ·立题依据及研究的目的和意义 | 第10-12页 |
| ·研究内容 | 第12-13页 |
| ·研究方法和技术路线 | 第13-14页 |
| 第一章 数据挖掘在森林资源调查中的现状及发展趋势 | 第14-20页 |
| ·基于数据库或数据仓库的数据挖掘系统 | 第14-15页 |
| ·不同挖掘算法在森林资源调查中的应用 | 第15-18页 |
| ·C4.5或C5决策树 | 第15页 |
| ·贝叶斯分类 | 第15-16页 |
| ·回归统计分析 | 第16页 |
| ·聚类分析 | 第16-17页 |
| ·其它分析方法 | 第17页 |
| ·多方法的结合使用 | 第17-18页 |
| ·存在的不足 | 第18页 |
| ·构建森林资源调查数据分析服务平台 | 第18-20页 |
| 第二章 相关技术介绍 | 第20-29页 |
| ·SOA及其发展 | 第20-21页 |
| ·WEB服务及相关规范 | 第21-23页 |
| ·WEB服务 | 第21页 |
| ·XML语言 | 第21-22页 |
| ·SOAP,WSDL,UDDI | 第22页 |
| ·WEB服务调用 | 第22-23页 |
| ·.Net平台 | 第23-26页 |
| ·.Net特点 | 第23-24页 |
| ·与组件的互操作性 | 第24-25页 |
| ·.Net对数据的访问 | 第25-26页 |
| ·.Net对WEB服务的支持 | 第26页 |
| ·WSBPEL建模语言 | 第26-29页 |
| 第三章 基于WEB服务数据挖掘的设计及其关键实现技术 | 第29-41页 |
| ·.Net操纵WEB数据库的特点 | 第29页 |
| ·基于WEB服务的数据挖掘结构设计 | 第29-31页 |
| ·对WEB数据库本地的数据挖掘服务 | 第31-35页 |
| ·远程WEB数据库的数据挖掘服务 | 第35-39页 |
| ·关联规则 | 第35-38页 |
| ·系统实现 | 第38-39页 |
| ·仿真实验及分析 | 第39-41页 |
| 第四章 九曲水林场的决策树分类系统 | 第41-52页 |
| ·研究区概况及研究数据特征 | 第41-42页 |
| ·九曲水林场概况 | 第41页 |
| ·研究数据 | 第41-42页 |
| ·决策树构建的一般原理 | 第42-44页 |
| ·基于.Net的WEB服务决策树判定系统的实现 | 第44-47页 |
| ·对小班调查数据进行属性约减 | 第44页 |
| ·对远程数据集进行决策树归纳 | 第44-45页 |
| ·利用WSBPEL进行服务集成 | 第45-47页 |
| ·实际应用 | 第47-52页 |
| 第五章 基于分形维的决策树构建 | 第52-60页 |
| ·相关研究 | 第52-54页 |
| ·利用分形理论构建特征数据集 | 第54-56页 |
| ·相关属性分组 | 第54-55页 |
| ·生成特征数据集 | 第55-56页 |
| ·实际应用 | 第56-57页 |
| ·实验分析 | 第57-60页 |
| 第六章 基于WEB服务的遥感影像关联规则的挖掘 | 第60-70页 |
| ·相关研究 | 第60-62页 |
| ·对遥感影像的数据挖掘 | 第60-61页 |
| ·面向服务的遥感影像处理 | 第61-62页 |
| ·WEB服务下遥感数据挖掘的系统设计 | 第62页 |
| ·遥感影像关联规则挖掘 | 第62-64页 |
| ·遥感影像纹理关联规则挖掘原理 | 第62-63页 |
| ·构建WEB服务下的遥感影像纹理关联规则挖掘系统 | 第63-64页 |
| ·实际应用及结果分析 | 第64-70页 |
| ·试验素材及实验设计 | 第64-67页 |
| ·实验及结果分析 | 第67-70页 |
| 第七章 基于频繁特征集判定有林区域比例 | 第70-77页 |
| ·基于频繁项的特征抽取 | 第70-71页 |
| ·找出候选频繁项集 | 第70-71页 |
| ·定义候选频繁项集的相关属性 | 第71页 |
| ·实验设计 | 第71-73页 |
| ·基于EM的聚类设计 | 第72-73页 |
| ·试验素材及过程 | 第73页 |
| ·结果分析 | 第73-77页 |
| 第八章 分布式协同训练支持向量机对遥感影像的分类 | 第77-92页 |
| ·支持向量机及其在遥感中的应用 | 第77-81页 |
| ·支持向量机 | 第77-80页 |
| ·支持向量在遥感中的应用 | 第80-81页 |
| ·协同训练向量机 | 第81-85页 |
| ·半监督理论及应用研究 | 第81-83页 |
| ·协同训练支持向量机对遥感影像的分类 | 第83-85页 |
| ·分布式协同训练向量机系统 | 第85-87页 |
| ·系统设计 | 第85页 |
| ·系统实现 | 第85-87页 |
| ·实验及结果分析 | 第87-92页 |
| ·CTSVMTRS算法对遥感影像的分类 | 第87-89页 |
| ·基于WEB服务的协同训练 | 第89-92页 |
| 第九章 结论与展望 | 第92-94页 |
| ·结论 | 第92页 |
| ·主要创新点 | 第92-93页 |
| ·展望 | 第93-94页 |
| 参考文献 | 第94-101页 |
| 博士在读期间的主要科研成果 | 第101-102页 |
| 详细摘要 | 第102-108页 |