基于蚁群算法的城市扩展研究
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究目的及内容 | 第14-18页 |
| 1.3.1 研究目的 | 第14页 |
| 1.3.2 研究内容 | 第14-15页 |
| 1.3.3 研究方法 | 第15-16页 |
| 1.3.4 技术路线 | 第16-18页 |
| 1.4 论文结构 | 第18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 基本理论研究 | 第19-27页 |
| 2.1 城市扩展 | 第19-22页 |
| 2.1.1 城市扩展的动力机制 | 第19-20页 |
| 2.1.2 城市扩展模式 | 第20-21页 |
| 2.1.3 模拟城市扩展的复杂模型 | 第21-22页 |
| 2.2 元胞自动机（CA）理论 | 第22-25页 |
| 2.2.1 元胞自动机定义 | 第22-23页 |
| 2.2.2 元胞自动机结构 | 第23-25页 |
| 2.3 蚁群智能算法 | 第25-26页 |
| 2.3.1 蚁群算法的基本原理 | 第25-26页 |
| 2.3.2 蚁群算法的优势 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 研究区概况及数据处理 | 第27-45页 |
| 3.1 研究区概况 | 第27-29页 |
| 3.1.1 研究区范围 | 第27页 |
| 3.1.2 自然环境概况 | 第27-28页 |
| 3.1.3 社会经济概况 | 第28-29页 |
| 3.2 数据来源 | 第29-34页 |
| 3.2.1 Landsat卫星 | 第29-30页 |
| 3.2.2 遥感数据 | 第30-32页 |
| 3.2.3 空间矢量数据 | 第32-34页 |
| 3.2.4 相关统计数据 | 第34页 |
| 3.3 数据预处理 | 第34-39页 |
| 3.3.1 图像镶嵌 | 第35-36页 |
| 3.3.2 波段组合 | 第36页 |
| 3.3.3 图像裁剪 | 第36-37页 |
| 3.3.4 辐射定标 | 第37-38页 |
| 3.3.5 大气校正 | 第38页 |
| 3.3.6 几何校正 | 第38-39页 |
| 3.3.7 影像去噪与增强处理 | 第39页 |
| 3.4 遥感影像分类 | 第39-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 蚁群算法建模 | 第45-51页 |
| 4.1 建模思路 | 第45-46页 |
| 4.2 规则构造 | 第46-47页 |
| 4.3 规则修剪 | 第47-48页 |
| 4.4 信息素浓度更新 | 第48页 |
| 4.5 空间转换规则挖掘 | 第48-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第5章 城市扩展模拟 | 第51-67页 |
| 5.1 基于神经网络的出现概率计算 | 第53-55页 |
| 5.2 元胞自动机模拟实验 | 第55-59页 |
| 5.3 未来情景模拟 | 第59-62页 |
| 5.4 城市空间格局分析 | 第62-66页 |
| 5.4.1 城区面积及其扩展分析 | 第62-63页 |
| 5.4.2 城市空间扩展协调性分析 | 第63-64页 |
| 5.4.3 城市空间形态分析 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 结论与展望 | 第67-69页 |
| 6.1 主要工作 | 第67页 |
| 6.2 主要结论 | 第67-68页 |
| 6.3 不足与展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 附录 | 第73-78页 |
| 在学期间发表的学术论文及其他成果 | 第78-79页 |
| 在学期间参加专业实践及工程项目研究工作 | 第79-80页 |
| 致谢 | 第80页 |
