支持向量机集成及在遥感分类中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第1章 绪论 | 第12-41页 |
| ·支持向量机简介 | 第12-20页 |
| ·理论背景 | 第12-15页 |
| ·方法介绍 | 第15-19页 |
| ·实现算法 | 第19-20页 |
| ·多类支持向量机 | 第20-23页 |
| ·一对多方法 | 第21-22页 |
| ·一对一方法 | 第22页 |
| ·有向无环图 | 第22-23页 |
| ·多类SVM的性能 | 第23页 |
| ·支持向量机的后验概率 | 第23-25页 |
| ·两类SVM的后验概率 | 第23-24页 |
| ·多类SVM的后验概率 | 第24-25页 |
| ·支持向量机集成的研究 | 第25-35页 |
| ·分类器集成概述 | 第25-29页 |
| ·SVM集成 | 第29-31页 |
| ·SVM集成的研究进展 | 第31-35页 |
| ·实验工具箱、数据集与结果分析 | 第35-39页 |
| ·LIBSVM工具箱 | 第35页 |
| ·实验数据集 | 第35-36页 |
| ·交叉验证与评价方法 | 第36-37页 |
| ·多类SVM在实验数据集上的性能 | 第37-39页 |
| ·本文的内容组织与安排 | 第39-41页 |
| 第2章 成员分类器 | 第41-56页 |
| ·成员分类器 | 第41-46页 |
| ·成员分类器的要求 | 第41-43页 |
| ·成员分类器的生成 | 第43-44页 |
| ·成员分类器的组合 | 第44-46页 |
| ·Bagging | 第46-49页 |
| ·算法原理 | 第46-47页 |
| ·试验结果分析 | 第47-49页 |
| ·Boosting | 第49-53页 |
| ·算法原理 | 第49-52页 |
| ·试验结果分析 | 第52-53页 |
| ·成员分类器的数量 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第3章 随机Bagging和Boosting | 第56-65页 |
| ·理论分析 | 第56-58页 |
| ·实现方法 | 第58-60页 |
| ·RBaggSVM | 第58-59页 |
| ·RBoostSVM | 第59-60页 |
| ·试验结果分析 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 基于GA的分类器选择 | 第65-77页 |
| ·理论分析 | 第65-67页 |
| ·验证样本 | 第65-66页 |
| ·部分可以比全部更好 | 第66-67页 |
| ·遗传算法介绍 | 第67-70页 |
| ·GA概要 | 第67-68页 |
| ·GA运算 | 第68-69页 |
| ·GA特点 | 第69-70页 |
| ·实现方法 | 第70-72页 |
| ·试验结果分析 | 第72-75页 |
| ·本章小结 | 第75-77页 |
| 第5章 动态集成 | 第77-88页 |
| ·分类器选择的标准 | 第77-80页 |
| ·衡量标准 | 第77-78页 |
| ·局部精度定义 | 第78-80页 |
| ·实现方法 | 第80-83页 |
| ·试验结果分析 | 第83-87页 |
| ·本章小结 | 第87-88页 |
| 第6章 支持向量机集成在遥感分类中的应用研究 | 第88-106页 |
| ·多源遥感图像分类过程 | 第89-90页 |
| ·研究区和实验数据 | 第90-92页 |
| ·支持向量机分类 | 第92-96页 |
| ·基于SVM集成的遥感图像分类 | 第96-97页 |
| ·基于MRF-SVM的多源遥感图像分类 | 第97-105页 |
| ·理论分析 | 第97-100页 |
| ·实现方法 | 第100页 |
| ·试验结果分析 | 第100-105页 |
| ·本章小结 | 第105-106页 |
| 第7章 结论与展望 | 第106-109页 |
| ·本文主要内容总结 | 第106-107页 |
| ·本文的创新点 | 第107-108页 |
| ·进一步的工作 | 第108-109页 |
| 参考文献 | 第109-118页 |
| 攻读学位期间发表的学术论文 | 第118-119页 |
| 致谢 | 第119-120页 |
