基于神经网络的高光谱图像分类研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-21页 |
| ·课题研究背景和意义 | 第11-13页 |
| ·高光谱图像分类算法 | 第13-19页 |
| ·基于纯像元的分类 | 第13-16页 |
| ·基于混合像元的分类 | 第16-19页 |
| ·论文研究内容及章节安排 | 第19-21页 |
| 第2章 高光谱遥感图像的数据特性及分类理论 | 第21-31页 |
| ·高光谱图像数据的表示 | 第21-23页 |
| ·高光谱数据的特性 | 第23-24页 |
| ·基于神经网络的高光谱遥感图像分类 | 第24-30页 |
| ·神经网络的一般模型 | 第24-26页 |
| ·基于神经网络的高光谱遥感图像分类的步骤 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 自组织映射神经网络的高光谱图像分类 | 第31-53页 |
| ·自组织映射网络的思想来源与网络结构 | 第31-33页 |
| ·自组织映射网络的学习过程 | 第33-38页 |
| ·竞争机制 | 第33页 |
| ·协同机制 | 第33-36页 |
| ·自适应机制 | 第36-37页 |
| ·自组织映射网络的具体工作过程 | 第37-38页 |
| ·递归自组织映射神经网络 | 第38-41页 |
| ·RSOM网络的基本定义 | 第39页 |
| ·RSOM网络的生长过程 | 第39-41页 |
| ·基于模糊积分的自组织映射神经网络 | 第41-46页 |
| ·模糊神经网络 | 第41-43页 |
| ·模糊积分及其理论知识 | 第43-45页 |
| ·基于模糊积分的自组织映射神经网络 | 第45-46页 |
| ·实验仿真与结果分析 | 第46-52页 |
| ·实验图像和仿真系统构建 | 第46-48页 |
| ·高光谱图像分类实验结果与分析 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 自适应共振神经网络 | 第53-68页 |
| ·ART1神经网络模型 | 第53-54页 |
| ·ART1神经网络学习过程 | 第54-57页 |
| ·识别阶段 | 第55-56页 |
| ·比较阶段 | 第56-57页 |
| ·搜索阶段 | 第57页 |
| ·ART1人工神经网络的具体算法 | 第57-58页 |
| ·自适应共振网络在高光谱中的应用 | 第58-62页 |
| ·隶属度函数 | 第58-60页 |
| ·ARTMAP神经网络 | 第60-62页 |
| ·实验仿真与结果分析 | 第62-67页 |
| ·本章小结 | 第67-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-77页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第77-78页 |
| 致谢 | 第78页 |
