| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 选题依据 | 第9-10页 |
| 1.1.1 遥感影像的分类方法 | 第9页 |
| 1.1.2 人工神经网络分类器 | 第9-10页 |
| 1.2 研究目的及意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 研究内容 | 第12页 |
| 1.5 论文结构安排 | 第12-14页 |
| 第二章 实验数据介绍 | 第14-17页 |
| 2.1 实验数据 | 第14-16页 |
| 2.2 本章小结 | 第16-17页 |
| 第三章 BP神经网络 | 第17-22页 |
| 3.1 BP神经网络的介绍 | 第17-19页 |
| 3.1.1 BP神经网络的结构 | 第17-18页 |
| 3.1.2 BP神经网络的算法 | 第18页 |
| 3.1.3 BP神经网络的分类过程 | 第18-19页 |
| 3.2 梯度类学习算法的比较 | 第19-20页 |
| 3.3 分类结果评定 | 第20-21页 |
| 3.4 本章小结 | 第21-22页 |
| 第四章 小波神经网络 | 第22-43页 |
| 4.1 小波神经网络的介绍 | 第22-24页 |
| 4.1.1 小波神经网络的结构 | 第22-23页 |
| 4.1.2 小波神经网络的算法 | 第23-24页 |
| 4.1.3 小波神经网络的分类过程 | 第24页 |
| 4.2 小波神经网络分类器的优化设计 | 第24-41页 |
| 4.2.1 小波基函数的比较与最优小波基函数的选择 | 第24-27页 |
| 4.2.2 误差函数的比较及最优误差函数的选择 | 第27-37页 |
| 4.2.2.1“过学习”现象的简介 | 第29-31页 |
| 4.2.2.2 神经网络的训练过程与“过学习” | 第31-33页 |
| 4.2.2.3 遥感影像特征与“过学习” | 第33-36页 |
| 4.2.2.4 隐层节点数与“过学习” | 第36-37页 |
| 4.2.3 编码方式的优化 | 第37-41页 |
| 4.3 本章小结 | 第41-43页 |
| 第五章 模糊自适应共振神经网络 | 第43-51页 |
| 5.1 模糊自适应共振神经网络的介绍 | 第43-46页 |
| 5.1.1 模糊自适应共振神经网络的结构 | 第43-44页 |
| 5.1.2 模糊自适应共振神经网络的算法 | 第44-46页 |
| 5.1.3 模糊自适应共振神经网络的分类过程 | 第46页 |
| 5.2 最优警戒线参数的选择 | 第46-48页 |
| 5.3 分类结果评定 | 第48-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 结论 | 第51-53页 |
| 6.1 主要结论 | 第51-52页 |
| 6.2 问题及展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间取得的学术成果 | 第58-59页 |
| 一、硕士期间参与导师的科研项目 | 第58页 |
| 二、硕士期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |