| 第1章 绪言 | 第1-19页 |
| ·海洋水色遥感概述 | 第9-10页 |
| ·传统海洋水色遥感反演算法及其不足 | 第10-14页 |
| ·软计算及其在海洋水色遥感反演中的应用 | 第14-17页 |
| ·本文的主要工作与内容安排 | 第17-19页 |
| 第2章 软计算的若干基本概念与基本理论 | 第19-36页 |
| ·人工神经网络 | 第19-24页 |
| ·人工神经元的数学模型 | 第19-20页 |
| ·人工神经网络模型 | 第20-22页 |
| ·多层前馈网络 | 第22-24页 |
| ·模糊推理系统 | 第24-29页 |
| ·基本概念 | 第24-27页 |
| ·模糊推理系统与模糊建模 | 第27-29页 |
| ·遗传算法 | 第29-36页 |
| ·基本原理 | 第30-32页 |
| ·基本遗传算法 | 第32-33页 |
| ·遗传算法的理论基础 | 第33-36页 |
| 第3章 神经网络建模反演海水叶率素浓度 | 第36-62页 |
| ·SeaBAM 数据与SeaBAM 统计算法 | 第36-39页 |
| ·神经网络模型的构建 | 第39-46页 |
| ·数据的预处理 | 第39-40页 |
| ·神经网络的学习方法 | 第40-45页 |
| ·神经网络结构的确定 | 第45-46页 |
| ·反演结果与比较 | 第46-60页 |
| ·不同学习方法的比较 | 第46-54页 |
| ·正规化对反演精度的影响 | 第54-55页 |
| ·波段比值作为输入对反演精度的影响 | 第55-57页 |
| ·与 SeaBAM 统计算法的比较 | 第57-60页 |
| ·小结 | 第60-62页 |
| 第4章 神经模糊系统建模反演海水叶率素浓度 | 第62-81页 |
| ·神经模糊系统建模原理 | 第63-65页 |
| ·神经模糊系统的构建 | 第65-69页 |
| ·结构辨识 | 第65-66页 |
| ·参数辨识 | 第66-69页 |
| ·反演结果与比较 | 第69-80页 |
| ·与神经网络反演结果的比较 | 第70-72页 |
| ·模糊规则 | 第72-80页 |
| ·小结 | 第80-81页 |
| 第5章 遗传算法作为优化策略反演2 类海水成分浓度 | 第81-121页 |
| ·三成分海水光学模型 | 第82-88页 |
| ·吸收系数 | 第84-87页 |
| ·后向散射系数 | 第87-88页 |
| ·目标函数 | 第88-91页 |
| ·遗传算法设计 | 第91-97页 |
| ·编码方案 | 第92-93页 |
| ·适应函数 | 第93-94页 |
| ·遗传操作 | 第94-97页 |
| ·控制参数 | 第97页 |
| ·反演试验与比较 | 第97-120页 |
| ·不同编码方案与适应函数的遗传算法反演精度比较 | 第98-101页 |
| ·不同编码遗传算法计算效率比较 | 第101-106页 |
| ·不同波段组合对反演结果的影响 | 第106-108页 |
| ·反演算法对误差的敏感性分析 | 第108-112页 |
| ·搜索区间对反演结果的影响 | 第112-115页 |
| ·与其它搜索方法的比较 | 第115-120页 |
| ·小结 | 第120-121页 |
| 第6章 结语 | 第121-123页 |
| 参考文献 | 第123-132页 |