基于GIS的支持向量机分类模型建立及其在资源评价中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 引言 | 第9-15页 |
| ·选题依据（研究目的和意义） | 第9页 |
| ·国内外研究现状 | 第9-13页 |
| ·矿产资源评价体系的研究现状 | 第9-11页 |
| ·GIS 在矿产资源评价中的应用 | 第11-12页 |
| ·支持向量机研究及应用现状 | 第12-13页 |
| ·主要研究内容及研究思路 | 第13-15页 |
| 第2章 GIS 在矿产资源评价中的作用 | 第15-20页 |
| ·GIS 功能简介 | 第15-16页 |
| ·GIS 为矿产资源评价提供的工具 | 第15页 |
| ·GIS 矿产资源评价的思路和方法 | 第15-16页 |
| ·评价指标的选择 | 第16-20页 |
| ·丹巴地区区域成矿地质背景 | 第16-18页 |
| ·评价指标的选取 | 第18-19页 |
| ·评价指标的地学信息 | 第19-20页 |
| 第3章 统计学习理论和支持向量机 | 第20-32页 |
| ·机器学习的主要问题 | 第20-22页 |
| ·机器学习问题的一般表示 | 第20-21页 |
| ·经验风险最小化 | 第21-22页 |
| ·复杂性和推广能力 | 第22页 |
| ·统计学习理论 | 第22-25页 |
| ·学习机器的VC 维 | 第23页 |
| ·推广性的界 | 第23-24页 |
| ·结构风险最小化原理 | 第24-25页 |
| ·支持向量机 | 第25-32页 |
| ·最优分类超平面 | 第26-28页 |
| ·支持向量机 | 第28-30页 |
| ·核函数 | 第30-31页 |
| ·各种变形的支持向量机算法 | 第31-32页 |
| 第4章 分类模型的建立 | 第32-41页 |
| ·各评价指标的建立 | 第32-37页 |
| ·地层 | 第32-34页 |
| ·断层 | 第34-35页 |
| ·侵入岩 | 第35-36页 |
| ·分散流异常 | 第36-37页 |
| ·SVM 分类模型建立 | 第37-41页 |
| ·评价指标提取 | 第37-38页 |
| ·训练样本选取 | 第38页 |
| ·数据转换 | 第38-39页 |
| ·模型选择 | 第39页 |
| ·构造SVM 分类器模型 | 第39-41页 |
| 第5章 分类模型的应用 | 第41-53页 |
| ·地质单元的划分和地质变量的提取 | 第41-46页 |
| ·单元划分 | 第41-45页 |
| ·地质变量的提取 | 第45-46页 |
| ·分类模型的应用 | 第46-51页 |
| ·数据处理 | 第46-49页 |
| ·分类结果的GIS 显示 | 第49-51页 |
| ·分类结果评价 | 第51-53页 |
| 结论 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 攻读学位期间取得学术成果 | 第57页 |
