| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第1章 绪论 | 第15-31页 |
| 1.1 研究背景与意义 | 第15-19页 |
| 1.1.1 土地覆盖分类的概念与发展 | 第15-16页 |
| 1.1.2 土地覆盖分类的意义 | 第16-17页 |
| 1.1.3 利用时间序列Landsat数据进行土地覆盖分类的意义 | 第17-19页 |
| 1.2 国内外研究现状 | 第19-26页 |
| 1.2.1 基于Landsat数据的土地覆盖分类 | 第19-21页 |
| 1.2.2 面向时间序列遥感数据的特征构造方法 | 第21-24页 |
| 1.2.3 面向时间序列遥感数据的分类算法 | 第24-26页 |
| 1.3 主要研究内容 | 第26-28页 |
| 1.4 技术路线 | 第28-30页 |
| 1.5 论文的结构安排 | 第30-31页 |
| 第2章 研究区与数据 | 第31-47页 |
| 2.1 研究区概况 | 第31-33页 |
| 2.2 研究用数据 | 第33-44页 |
| 2.2.1 实验用影像数据 | 第33-35页 |
| 2.2.2 年度时间序列数据集构建 | 第35-39页 |
| 2.2.3 参考用影像数据 | 第39-41页 |
| 2.2.4 野外调查数据 | 第41-42页 |
| 2.2.5 分类体系与样本数据 | 第42-44页 |
| 2.3 实验评价指标 | 第44-46页 |
| 2.3.1 混淆矩阵 | 第44-45页 |
| 2.3.2 总体精度、用户精度与生产者精度 | 第45页 |
| 2.3.3 Kappa系数 | 第45-46页 |
| 2.3.4 训练时间与预测时间 | 第46页 |
| 2.4 本章小结 | 第46-47页 |
| 第3章 基于年度时序数据回归的分类特征构造算法 | 第47-77页 |
| 3.1 时间序列数据分析与特征构造 | 第47-53页 |
| 3.1.1 时间序列遥感数据处理与分析方法 | 第47-48页 |
| 3.1.2 回归分析原理与数据拟合 | 第48-51页 |
| 3.1.3 分类特征构造 | 第51-53页 |
| 3.2 利用回归分析进行时序特征构造 | 第53-65页 |
| 3.2.1 理论基础与技术流程 | 第53-60页 |
| 3.2.2 时间序列模型 | 第60-62页 |
| 3.2.3 模型拟合与特征构造 | 第62-65页 |
| 3.3 利用时序特征进行土地覆盖分类的应用与评价 | 第65-76页 |
| 3.3.1 研究区与数据 | 第65-66页 |
| 3.3.2 实验设置 | 第66页 |
| 3.3.3 实验结果与评价 | 第66-71页 |
| 3.3.4 特征构造效果的差异性分析 | 第71-76页 |
| 3.4 本章小结 | 第76-77页 |
| 第4章 基于并行特征子空间的集成分类算法 | 第77-99页 |
| 4.1 分类器集成策略 | 第77-81页 |
| 4.1.1 基本概念 | 第77-78页 |
| 4.1.2 增强式集成与并行式集成 | 第78-79页 |
| 4.1.3 个体分类器结果整合策略 | 第79-81页 |
| 4.2 基于并行特征子空间的集成分类算法(UniBagging)原理与实现 | 第81-85页 |
| 4.2.1 技术流程 | 第81-82页 |
| 4.2.2 特征空间划分与分类器集成 | 第82-83页 |
| 4.2.3 模型训练与分类 | 第83-85页 |
| 4.3 利用集成分类框架进行土地覆盖分类的应用与评价 | 第85-97页 |
| 4.3.1 数据集与实验设置 | 第85-86页 |
| 4.3.2 实验结果与评价 | 第86-91页 |
| 4.3.3 不同土地覆盖类型的分类精度分析 | 第91-97页 |
| 4.4 本章小结 | 第97-99页 |
| 第5章 总结与展望 | 第99-103页 |
| 5.1 结论 | 第99-100页 |
| 5.2 展望 | 第100-103页 |
| 参考文献 | 第103-117页 |
| 致谢 | 第117-119页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第119页 |
