| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 图目录 | 第10-11页 |
| 表目录 | 第11-12页 |
| 第1章 绪论 | 第12-30页 |
| ·粗糙集理论概述 | 第12-15页 |
| ·神经网络概述 | 第15-20页 |
| ·神经网络简介 | 第15-19页 |
| ·RBF神经网络 | 第19-20页 |
| ·国内外研究动态运用现状 | 第20-26页 |
| ·遥感图像分类研究综述 | 第20-23页 |
| ·粗糙集理论研究综述 | 第23-26页 |
| ·研究意义及选题依据 | 第26-28页 |
| ·选题依据 | 第26页 |
| ·意义 | 第26-28页 |
| ·本文主要研究内容 | 第28页 |
| ·研究方法与技术路线 | 第28-30页 |
| ·研究方法 | 第28-29页 |
| ·技术路线流程图 | 第29-30页 |
| 第2章 遥感图像信息的不确定性与粗糙集理论 | 第30-37页 |
| ·遥感图像信息的不确定性 | 第30-35页 |
| ·遥感数据的不确定性形成机理 | 第30-31页 |
| ·遥感数据及其不确定性来源 | 第31-33页 |
| ·遥感信息的不确定性 | 第33-35页 |
| ·处理遥感图像信息不确定性的新方法—粗糙集理论 | 第35-37页 |
| 第3章 基于粗糙集理论的遥感图像处理 | 第37-49页 |
| ·粗糙集理论下的遥感图像处理技术 | 第37-40页 |
| ·遥感图像的知识系统表达 | 第37-39页 |
| ·粗糙集理论中分类的思想在图像处理中的应用 | 第39页 |
| ·粗糙集理论中属性约简的思想在图像处理中的应用 | 第39-40页 |
| ·粗糙集理论与其他图像处理方法结合 | 第40页 |
| ·粗糙集理论下的遥感图像分类知识发现实现方法 | 第40-49页 |
| ·粗糙集理论框架的遥感图像分类的知识发现 | 第40-42页 |
| ·遥感图像处理中的决策表知识表达系统 | 第42-43页 |
| ·属性的分类能力与近似分类质量度量 | 第43-44页 |
| ·属性依赖性和属性重要性度量 | 第44页 |
| ·遥感图像分类特征的离散化 | 第44-49页 |
| 第4章 基于RS的RBF神经网络在LUC分类的实证研究 | 第49-82页 |
| ·研究区概况 | 第49-51页 |
| ·数据源及分类系统 | 第51-59页 |
| ·遥感数据源与处理平台 | 第51-52页 |
| ·数据预处理 | 第52-57页 |
| ·土地利用/覆盖分类系统制定 | 第57-59页 |
| ·分类决策规则 | 第59-64页 |
| ·分类决策规则提取步骤 | 第59-60页 |
| ·决策表的离散化方法 | 第60-61页 |
| ·基于GA的分类决策表属性约简 | 第61-62页 |
| ·遗传算法 | 第62-64页 |
| ·研究区分类规则提取 | 第64-73页 |
| ·基于粗糙集的RBF神经网络分类模型 | 第73-75页 |
| ·RBF神经网络的优点 | 第74页 |
| ·径向基函数网络研究中的一些重要结论 | 第74-75页 |
| ·基于粗糙集的RBF神经网络遥感图像分类实现 | 第75-80页 |
| ·图像分类后处理及制图 | 第80-82页 |
| 第5章 结论 | 第82-84页 |
| ·成果及结论 | 第82-83页 |
| ·不足与展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 致谢 | 第88-89页 |
| 作者简历 | 第89页 |