基于极限学习机的高分辨率遥感图像分类算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·选题的背景和意义 | 第9-11页 |
| ·选题的背景 | 第9页 |
| ·选题的意义 | 第9-11页 |
| ·国内外研究现状 | 第11页 |
| ·研究的内容 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 2 相关理论基础 | 第13-20页 |
| ·空间数据挖掘 | 第13-14页 |
| ·空间数据挖掘的基本任务 | 第13页 |
| ·空间数据挖掘的理论方法 | 第13-14页 |
| ·极限学习机算法 | 第14-17页 |
| ·极限学习机算法原理 | 第14-16页 |
| ·极限学习机算法应用 | 第16-17页 |
| ·遥感图像分类方法概述 | 第17-18页 |
| ·遥感技术在城市中的应用 | 第18-20页 |
| 3 基于极限学习机的分类器设计 | 第20-26页 |
| ·分类器比较 | 第20-23页 |
| ·BP神经网络 | 第20-21页 |
| ·支持向量机 | 第21-23页 |
| ·分类器设计 | 第23页 |
| ·仿真实验 | 第23-25页 |
| ·数据介绍 | 第23页 |
| ·仿真实验 | 第23-25页 |
| ·结果分析 | 第25页 |
| ·本章小结 | 第25-26页 |
| 4 极限学习机在高分辨率遥感图像分类中的应用 | 第26-36页 |
| ·HYDICE航空影像 | 第26-32页 |
| ·数据介绍 | 第26-27页 |
| ·数据处理与结果 | 第27-31页 |
| ·实验结果分析 | 第31-32页 |
| ·WorldView 2 高分辨率遥感图像 | 第32-36页 |
| ·数据介绍 | 第32-34页 |
| ·数据处理与结果 | 第34-35页 |
| ·实验结果分析 | 第35-36页 |
| ·本章小结 | 第36页 |
| 5 遥感图像分类结果评价 | 第36页 |
| 6 结论与展望 | 第36-38页 |
| ·结论 | 第36-37页 |
| ·展望 | 第37-38页 |
| 参考文献 | 第38-42页 |
| 附录A 极限学习机代码 | 第42-49页 |
| 攻读硕士学位期间参与项目及发表学术论文情况 | 第49-50页 |
| 致谢 | 第50页 |
