| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究背景 | 第11-12页 |
| ·国内外研究现状及发展趋势 | 第12-16页 |
| ·国内外粒子群优化算法的研究现状及发展趋势 | 第12-14页 |
| ·国内外多源遥感图像分类的研究现状及发展趋势 | 第14-16页 |
| ·研究目标与研究内容 | 第16-17页 |
| ·研究目标 | 第16页 |
| ·研究内容 | 第16-17页 |
| ·论文的章节组织结构与技术路线 | 第17-19页 |
| ·论文结构和章节安排 | 第17页 |
| ·论文技术路线 | 第17-19页 |
| 第二章 本研究相关理论基础 | 第19-29页 |
| ·粒子群算法介绍 | 第19页 |
| ·粒子群算法的起源 | 第19页 |
| ·粒子群算法基本原理 | 第19-23页 |
| ·粒子群算法 | 第19-21页 |
| ·标准粒子群算法 | 第21-22页 |
| ·标准粒子群的参数设置 | 第22-23页 |
| ·与其它进化算法的比较 | 第23-24页 |
| ·遥感图像计算机分类原理 | 第24页 |
| ·遥感图像计算机分类方法 | 第24-29页 |
| ·遥感图像分类评价 | 第26-29页 |
| 第三章 基于遗传粒子群优化算法的遥感图像分类研究 | 第29-43页 |
| ·引入遗传变异算子的粒子群算法 | 第29-30页 |
| ·遗传粒子群算法 | 第29页 |
| ·遗传粒子群算法优化机理 | 第29-30页 |
| ·遗传粒子群优化K-means算法 | 第30-35页 |
| ·遗传粒子群优化K-均值算法的优化机理 | 第31-32页 |
| ·K均值算法操作时机 | 第32页 |
| ·优化算法的收敛速度 | 第32-33页 |
| ·提高算法的搜索能力 | 第33页 |
| ·遗传粒子群优化K-Means算法流程 | 第33-35页 |
| ·基于基于遗传粒子群优化算法的遥感图像分类实验 | 第35-43页 |
| ·遥感数据选择 | 第35页 |
| ·遥感图像分类结果 | 第35-37页 |
| ·结果分析与评价 | 第37-43页 |
| 第四章 基于遗传粒子群优化K-均值算法城市土地变化中的应用 | 第43-49页 |
| ·研究区概况 | 第43页 |
| ·数据处理 | 第43-49页 |
| ·遥感数据分类 | 第44页 |
| ·研究区地类影像特点 | 第44-45页 |
| ·研究区地物分类结果 | 第45-47页 |
| ·研究区土地类型变化结果分析 | 第47-49页 |
| 第五章 结论与展望 | 第49-50页 |
| 附录 | 第50-56页 |
| 参考文献 | 第56-61页 |
| 硕士期间发表的论文 | 第61-62页 |
| 致谢 | 第62页 |