| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-12页 |
| ·研究背景及意义 | 第9-10页 |
| ·主要研究内容 | 第10-11页 |
| ·本文的组织结构 | 第11-12页 |
| 2 研究现状 | 第12-25页 |
| ·遥感影像分类方法的研究 | 第12-18页 |
| ·特征提取 | 第12-13页 |
| ·子空间方法 | 第13-15页 |
| ·核方法 | 第15-16页 |
| ·流形学习方法 | 第16-18页 |
| ·国内外城市扩展模拟研究现状 | 第18-23页 |
| ·城市空间扩展模拟数学模型的研究 | 第18-20页 |
| ·基于机器学习的细胞自动机模型 | 第20-22页 |
| ·SLEUTH 模型国内外的应用 | 第22-23页 |
| ·本文研究方法和技术路线 | 第23-24页 |
| ·研究方法 | 第23-24页 |
| ·研究路线 | 第24页 |
| ·本章小结 | 第24-25页 |
| 3 基于半监督流形学习的分类算法 | 第25-35页 |
| ·半监督流形学习研究 | 第25-27页 |
| ·半监督流形学习鉴别分析算法(SDA) | 第25-26页 |
| ·半监督极大边界准则(SSMMC) | 第26-27页 |
| ·半监督流形鉴别嵌入(SSMDE) | 第27-29页 |
| ·SSMDE 算法原理 | 第27-28页 |
| ·SSMDE 算法步骤 | 第28-29页 |
| ·基于 SSMDE 算法的遥感影像分类实验 | 第29-31页 |
| ·人工数据集实验 | 第29-30页 |
| ·遥感影像实际数据集实验 | 第30-31页 |
| ·实验结果评价 | 第31-34页 |
| ·不同算法的识别率及算法复杂度的比较 | 第31-33页 |
| ·分类结果精度评价 | 第33-34页 |
| ·分类结果与统计数据相比的误差率 | 第34页 |
| ·本章小结 | 第34-35页 |
| 4 重庆市城市扩展模拟与预测 | 第35-52页 |
| ·研究区域与数据收集及预处理 | 第35-39页 |
| ·研究区域 | 第35-36页 |
| ·数据收集及预处理 | 第36-39页 |
| ·自修改规则 | 第39页 |
| ·模型的运行环境 | 第39页 |
| ·SLEUTH 模型原理 | 第39-42页 |
| ·基本原理 | 第39-41页 |
| ·模型的运行过程 | 第41-42页 |
| ·SLEUTH 模型校准 | 第42-44页 |
| ·城市扩展模拟与预测 | 第44-50页 |
| ·城市扩展模拟分析 | 第44-45页 |
| ·城区扩展预测结果及分析 | 第45-46页 |
| ·研究结果城市扩展驱动力分析及未来城市发展建议 | 第46-50页 |
| ·本章小结 | 第50-52页 |
| 5 总结与展望 | 第52-54页 |
| ·本文总结 | 第52-53页 |
| ·课题展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |
| A. 作者在攻读学位期间发表的论文及发明专利目录 | 第59页 |
| B. 作者在攻读硕士学位期间参加的科研项目及得奖目录 | 第59页 |