基于SOFM和专家分类器的土地类型遥感分类研究--以北京昌平区为例
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 引言 | 第7-8页 |
| 1 绪论 | 第8-12页 |
| ·选题依据及研究目的 | 第8页 |
| ·土地类型遥感分类的研究现状 | 第8-12页 |
| 2 研究区概况及研究内容 | 第12-14页 |
| ·北京昌平区的基本情况 | 第12页 |
| ·主要研究内容 | 第12-13页 |
| ·技术路线 | 第13-14页 |
| 3 遥感数据及预处理 | 第14-19页 |
| ·LANDSAT 卫星简介 | 第14-16页 |
| ·遥感数据处理 | 第16-19页 |
| ·几何校正 | 第16-17页 |
| ·大气校正 | 第17-18页 |
| ·图像增强 | 第18-19页 |
| 4 基于SOFM 和专家分类器的土地遥感分类 | 第19-44页 |
| ·人工神经网络的概述 | 第19-22页 |
| ·人工神经网络的概念 | 第19页 |
| ·人工神经网络的生物学基础 | 第19-20页 |
| ·人工神经网络的基本功能 | 第20-21页 |
| ·人工神经网络分类、工作方式和学习规则 | 第21-22页 |
| ·基于神经网络的遥感图像分类 | 第22-24页 |
| ·基于神经网络的遥感图像分类优势 | 第22页 |
| ·神经网络在遥感分类中的应用 | 第22-24页 |
| ·自组织神经网络 | 第24-27页 |
| ·自组织神经网络概念 | 第24页 |
| ·SOFM 网的生物学基础 | 第24页 |
| ·SOFM 网络的拓扑结构与权值调整域 | 第24-25页 |
| ·SOFM 的运行原理与学习算法 | 第25页 |
| ·SOFM 学习算法主要步骤 | 第25-26页 |
| ·自组织特征映射网络的功能 | 第26-27页 |
| ·专家分类系统 | 第27-28页 |
| ·土地利用类型的遥感分类 | 第28-35页 |
| ·研究区土地利用类型的划分 | 第28页 |
| ·神经网络分类模型的建立 | 第28-33页 |
| ·专家分类系统的建立 | 第33-35页 |
| ·分类结果及精度评价 | 第35-44页 |
| ·分类结果 | 第35-38页 |
| ·精度评价 | 第38-44页 |
| 5 结论及讨论 | 第44-46页 |
| ·结论 | 第44页 |
| ·讨论 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 个人简介 | 第50-51页 |
| 导师简介 | 第51-52页 |
| 致谢 | 第52页 |
