基于人工神经网络的遥感影像模式分类研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 插图或附表清单 | 第11-13页 |
| 1 绪论 | 第13-17页 |
| ·课题研究背景 | 第13-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·本文主要工作 | 第15-17页 |
| 2 模式分类 | 第17-36页 |
| ·传统模式分类方法 | 第19-22页 |
| ·模式分类的新方法 | 第22-23页 |
| ·遥感影像模式分类过程 | 第23-35页 |
| ·图像预处理 | 第23-29页 |
| ·分类过程 | 第29-33页 |
| ·分类后处理 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 3 BP神经网络在遥感影像模式分类中的应用 | 第36-46页 |
| ·引言 | 第36-37页 |
| ·BP神经网络算法 | 第37-38页 |
| ·基于BP神经网络的遥感影像分类模型 | 第38-45页 |
| ·基于ERDAS Imagine的非监督分类方法 | 第38-40页 |
| ·结合ERDAS的BP神经网络遥感影像分类系统 | 第40-41页 |
| ·实验结果分析与比较 | 第41-45页 |
| ·本章小结 | 第45-46页 |
| 4 混合学习矢量量化算法应用于遥感影像分类 | 第46-56页 |
| ·引言 | 第46页 |
| ·自组织特征映射网络算法及其改进 | 第46-49页 |
| ·自组织特征映射算法(SOFM) | 第46-48页 |
| ·改进的SOFM算法(MSOFM) | 第48-49页 |
| ·学习矢量量化算法 | 第49-50页 |
| ·LVQ算法及其改进算法 | 第49-50页 |
| ·混合学习矢量量化算法 | 第50-55页 |
| ·基于HLVQ的遥感影像分类模型 | 第51-52页 |
| ·试验结果及分析 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 5 广义LVQ算法在遥感影像分类中的应用 | 第56-62页 |
| ·引言 | 第56页 |
| ·LVQ算法主要缺点 | 第56-57页 |
| ·基于广义LVQ算法的遥感影像分类 | 第57-61页 |
| ·GLVQ算法分析 | 第57-58页 |
| ·基于GLVQ算法的遥感影像分类模型 | 第58-59页 |
| ·实验结果及分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 6 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 在学研究成果 | 第67-68页 |
| 致谢 | 第68页 |
