| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| §1．1 引言 | 第8-9页 |
| §1．2 遥感影像分类的研究现状及趋势 | 第9-11页 |
| §1．2．1 研究现状 | 第9-11页 |
| §1．2．2 研究趋势 | 第11页 |
| §1．3 本论文的主要研究内容 | 第11-13页 |
| §1．3．1 研究内容 | 第11页 |
| §1．3．2 拟突破的难题 | 第11-12页 |
| §1．3．3 研究特色和创新之处 | 第12-13页 |
| 第二章 统计学习理论与支持向量机 | 第13-26页 |
| §2．1 统计学习理论的核心内容 | 第13-17页 |
| §2．1．1 经验风险最小化 | 第13-14页 |
| §2．1．2 学习过程一致性的条件 | 第14-15页 |
| §2．1．3 VC维 | 第15-16页 |
| §2．1．4 推广性的界 | 第16-17页 |
| §2．1．5 结构风险最小化 | 第17页 |
| §2．2 支持向量机 | 第17-25页 |
| §2．2．1 线性分类器 | 第18-20页 |
| §2．2．2 线性不可分情况 | 第20-22页 |
| §2．2．3 支持向量机 | 第22-23页 |
| §2．2．4 核函数 | 第23-25页 |
| §2．3 本章小结 | 第25-26页 |
| 第三章 SVMs与传统分类方法的性能比较 | 第26-43页 |
| §3．1 遥感影像分类原理 | 第26-28页 |
| §3．1．1 遥感数据的不同理解方式 | 第26-27页 |
| §3．1．2 遥感影像分类原理 | 第27-28页 |
| §3．2 传统影像分类方法 | 第28-33页 |
| §3．2．1 遥感影像分类方法 | 第28-31页 |
| §3．2．2 遥感影像分类流程 | 第31-33页 |
| §3．3 分类器性能的衡量指标 | 第33-36页 |
| §3．3．1 训练精度与估计精度 | 第33-34页 |
| §3．3．2 模型复杂度与训练样本数 | 第34-35页 |
| §3．3．3 特征维数与训练样本数 | 第35-36页 |
| §3．4 遥感影像分类实验 | 第36-42页 |
| §3．4．1 多光谱数据实验Ⅰ | 第37-39页 |
| §3．4．2 多光谱数据实验Ⅱ | 第39-42页 |
| §3．4．3 实验小结 | 第42页 |
| §3．5 本章小结 | 第42-43页 |
| 第四章 最小二乘支持向量机 | 第43-54页 |
| §4．1 LS-SVM及其特点 | 第43-46页 |
| §4．2 加权LS-SVM | 第46-48页 |
| §4．3 稀疏LS-SVM | 第48-49页 |
| §4．4 LS-SVM 的常用算法 | 第49-52页 |
| §4．4．1 直接方法 | 第49-50页 |
| §4．4．2 迭代方法 | 第50-51页 |
| §4．4．3 Krylov方法 | 第51-52页 |
| §4．5 LS-SVM的训练样本选择以及模型参数选择 | 第52-53页 |
| §4．5．1 训练样本选择 | 第52-53页 |
| §4．5．2 模型参数的选择 | 第53页 |
| §4．6 本章小结 | 第53-54页 |
| 第五章 LS-SVM分类实验及结论 | 第54-62页 |
| §5．1 实验及结论 | 第54-61页 |
| §5．1．1 多光谱数据实验Ⅰ | 第54-55页 |
| §5．1．2 多光谱数据实验Ⅱ | 第55-59页 |
| §5．1．3 实验总结 | 第59-61页 |
| §5．2 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| §6．1 总结 | 第62-63页 |
| §6．2 展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文和参加的科研情况 | 第67-68页 |
| 致谢 | 第68页 |