| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·引言 | 第10页 |
| ·研究背景与意义 | 第10-14页 |
| ·高光谱影像分类面临的主要问题 | 第14-15页 |
| ·研究的主要内容及论文安排 | 第15-18页 |
| 第二章 高光谱影像分类IEM算法模型 | 第18-43页 |
| ·引言 | 第18-19页 |
| ·EM算法及其在高光谱影像分类中存在的问题 | 第19-24页 |
| ·EM算法简介 | 第20-21页 |
| ·EM算法在高光谱影像分类中的应用 | 第21-23页 |
| ·EM算法在高光谱影像分类中所面临的问题 | 第23-24页 |
| ·IEM算法模型 | 第24-42页 |
| ·参数初始值的选取 | 第24-32页 |
| ·对噪声影响的削弱 | 第32-37页 |
| ·IEM算法流程 | 第37-38页 |
| ·综合实验与分析 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第三章 降维方法与Tabu搜索算法模型 | 第43-71页 |
| ·引言 | 第43-44页 |
| ·高维数据的结构特性及降维的必要性与可行性分析 | 第44-49页 |
| ·高维数据的结构特性 | 第44-47页 |
| ·高维数据降维的必要性与可行性 | 第47-49页 |
| ·降维的方法及存在的问题 | 第49-55页 |
| ·特征选择技术及其主要方法 | 第50-52页 |
| ·特征提取技术及其主要方法 | 第52-54页 |
| ·降维方法所面临的问题 | 第54-55页 |
| ·Tabu搜索算法及其在高光谱影像分类中的应用研究 | 第55-70页 |
| ·Tabu搜索算法 | 第55-61页 |
| ·Tabu搜索算法用于高光谱数据的特征选择 | 第61-70页 |
| ·本章小结 | 第70-71页 |
| 第四章 组合分类器模型研究 | 第71-91页 |
| ·高光谱分类技术概述 | 第71-79页 |
| ·基于光谱空间的分析方法 | 第71-74页 |
| ·基于特征空间的分类方法 | 第74-77页 |
| ·对现有分类方法的评价 | 第77-79页 |
| ·组合分类思想 | 第79-83页 |
| ·组合分类器研究的产生及现状 | 第79-80页 |
| ·组合分类的关键问题 | 第80-83页 |
| ·混合规则组合分类模型的建立 | 第83-90页 |
| ·混合规则组合分类模型的基本思想 | 第83页 |
| ·模型的实现过程 | 第83-86页 |
| ·基于混合规则的组合分类模型具体流程 | 第86-87页 |
| ·综合实验结果与分析 | 第87-90页 |
| ·本章小结 | 第90-91页 |
| 第五章 高光谱影像分类原型系统的构建 | 第91-98页 |
| ·高光谱影像分类原型系统框架 | 第91-92页 |
| ·实验结果及分析 | 第92-96页 |
| ·对分类框架的评价 | 第96-98页 |
| 第六章 结论与展望 | 第98-101页 |
| ·总结 | 第98-99页 |
| ·需要进一步研究的问题 | 第99-101页 |
| 参考文献 | 第101-109页 |
| 作者简历 攻读博士学位期间完成的主要工作 | 第109-110页 |
| 致谢 | 第110页 |