| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-12页 |
| 图目录 | 第12-15页 |
| 表目录 | 第15-16页 |
| 第一章 绪论 | 第16-30页 |
| ·课题的研究背景及意义 | 第16-17页 |
| ·国内外研究现状 | 第17-26页 |
| ·光谱特征研究概况 | 第17-22页 |
| ·国内研究现状 | 第18-20页 |
| ·国外研究现状 | 第20-22页 |
| ·人工神经网络在遥感领域的研究概况 | 第22-26页 |
| ·国内研究概况 | 第22-24页 |
| ·国外研究概况 | 第24-26页 |
| ·本文研究内容和组织安排 | 第26-27页 |
| ·研究内容 | 第26页 |
| ·论文结构安排 | 第26-27页 |
| ·本文主要创新点 | 第27-30页 |
| 第二章 遥感影像分类常用算法介绍 | 第30-48页 |
| ·遥感影像分类一般过程和分类方法 | 第30-34页 |
| ·遥感影像分类的一般过程 | 第30-32页 |
| ·非监督分类和监督分类 | 第32-34页 |
| ·非监督分类 | 第34-36页 |
| ·ISODATA方法 | 第35页 |
| ·SOFM方法 | 第35-36页 |
| ·监督分类 | 第36-46页 |
| ·参数分类器(Parametric Classifier) | 第38-40页 |
| ·非参数分类器(Non-Parametric Classifiers) | 第40-46页 |
| ·平行管道分类器(Parallelepiped Classifier) | 第40-41页 |
| ·最小距离法(The Minimum Distance Classifier) | 第41-42页 |
| ·人工神经网络(Artificial Neural Network Classifiers) | 第42-45页 |
| ·决策树分类器(Decision Tree Classifier) | 第45-46页 |
| ·支持向量机(Support Vector Machine) | 第46页 |
| ·本章小结 | 第46-48页 |
| 第三章 特征提取和特征选择 | 第48-58页 |
| ·TM影像数据介绍 | 第48-51页 |
| ·光谱特征 | 第51-53页 |
| ·本文所用到的光谱特征值 | 第53-55页 |
| ·归一化植被指数 | 第53-54页 |
| ·改进的归一化差异水体指数 | 第54页 |
| ·基于指数的建筑用地指数 | 第54-55页 |
| ·本章小结 | 第55-58页 |
| 第四章 人工神经网络 | 第58-82页 |
| ·人工神经元的现实模型——生物神经元 | 第59-60页 |
| ·人工神经网络的基本结构与模型 | 第60-64页 |
| ·人工神经元的模型 | 第61-62页 |
| ·激活转移函数 | 第62-64页 |
| ·BP神经网络 | 第64-72页 |
| ·基于BP算法的多层前馈网络模型 | 第64-66页 |
| ·BP网络的学习算法 | 第66-69页 |
| ·BP算法的程序实现 | 第69-71页 |
| ·标准BP算法的改进 | 第71-72页 |
| ·RBF神经网络 | 第72-79页 |
| ·正则化RBF网络原理与学习算法 | 第72-76页 |
| ·广义RBF网络原理与学习算法 | 第76-79页 |
| ·本章小结 | 第79-82页 |
| 第五章 神经网络输出响应研究 | 第82-96页 |
| ·人工构造数据说明 | 第83-85页 |
| ·BP网络和RBF网络的输出响应研究 | 第85-94页 |
| ·可分离度较高样本的输出响应 | 第86-90页 |
| ·可分离度较低样本的输出响应 | 第90-94页 |
| ·本章小结 | 第94-96页 |
| 第六章 神经网络分类系统的设计与实现 | 第96-118页 |
| ·神经网络工具箱 | 第96-97页 |
| ·分类系统的设计和实现 | 第97-115页 |
| ·系统设计背景介绍 | 第97-98页 |
| ·分类系统及子程序介绍 | 第98-107页 |
| ·特征向量组成(feature_vector.m) | 第101-102页 |
| ·训练区域选择(roi_select.m) | 第102-107页 |
| ·二维特征空间中训练样本的绘制(scatter_plot.m) | 第107-108页 |
| ·神经网络分类器的构建,训练和仿真(分类) | 第108-111页 |
| ·BP网络构建函数 | 第109页 |
| ·BP网络训练函数 | 第109-110页 |
| ·RBF网络构建函数1 | 第110页 |
| ·RBF网络构建函数2 | 第110-111页 |
| ·碎斑合并(mortar_processing.m) | 第111-113页 |
| ·精度评估(acc_assessment.m) | 第113-115页 |
| ·本章小结 | 第115-118页 |
| 第七章 神经网络分类系统的应用 | 第118-130页 |
| ·实验区域介绍 | 第118页 |
| ·两类网络的分类实验 | 第118-127页 |
| ·特征向量构成 | 第119-121页 |
| ·BP网络分类实验 | 第121-125页 |
| ·RBF网络分类实验 | 第125-127页 |
| ·本章小结 | 第127-130页 |
| 第八章 总结与展望 | 第130-132页 |
| ·本文总结 | 第130-131页 |
| ·不足及展望 | 第131-132页 |
| 致谢 | 第132-133页 |
| 参考文献 | 第133-140页 |
| 附录 | 第140页 |
