基于支持向量聚类的遥感图像分割算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景 | 第11-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·本论文的主要内容与论文结构 | 第16-18页 |
| 第二章 聚类方法概述 | 第18-25页 |
| ·聚类分析 | 第18-22页 |
| ·聚类概述 | 第18-19页 |
| ·聚类算法的分类 | 第19-21页 |
| ·聚类算法的评价标准 | 第21-22页 |
| ·传统的聚类算法 | 第22-24页 |
| ·K-means 算法 | 第22-23页 |
| ·K-中心点算法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 支持向量机理论 | 第25-36页 |
| ·支持向量机理论的提出 | 第25-26页 |
| ·学习问题的表示 | 第26-27页 |
| ·风险最小化问题 | 第27-30页 |
| ·经验风险最小化归纳原则 | 第27-28页 |
| ·VC 维概念 | 第28-29页 |
| ·结构风险最小化归纳原则 | 第29-30页 |
| ·支持向量机方法和核函数 | 第30-35页 |
| ·支持向量机方法 | 第30-33页 |
| ·核函数 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于支持向量聚类的遥感图像分割方法 | 第36-48页 |
| ·支持向量聚类 | 第36-42页 |
| ·支持向量聚类的基本思想 | 第36-39页 |
| ·聚类参数分析 | 第39-41页 |
| ·支持向量聚类的特点 | 第41-42页 |
| ·支持向量聚类算法 | 第42-43页 |
| ·基于支持向量聚类的遥感图像分割方法 | 第43-47页 |
| ·聚类标识 | 第44页 |
| ·参数选择 | 第44-45页 |
| ·算法步骤 | 第45-46页 |
| ·实验及分析 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 改进的基于支持向量聚类的遥感图像分割方法 | 第48-54页 |
| ·改进的聚类标识方法 | 第48-50页 |
| ·参数的自动选择 | 第50-51页 |
| ·基于改进支持向量聚类的遥感图像分割方法 | 第51-53页 |
| ·改进算法分析 | 第51-52页 |
| ·实验及分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 总结和展望 | 第54-56页 |
| ·论文总结和创新 | 第54-55页 |
| ·未来工作的展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 附录（攻读硕士学位期间发表论文情况） | 第62页 |
