基于KNN的地基可见光云图分类方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-14页 |
| ·论文的研究背景和意义 | 第9页 |
| ·云探测的技术和方法研究进展 | 第9-12页 |
| ·主要研究内容 | 第12-14页 |
| 第二章 云分类方案的提出 | 第14-18页 |
| ·云的分类 | 第14页 |
| ·云状的特征 | 第14-15页 |
| ·低云族 | 第14-15页 |
| ·中云族 | 第15页 |
| ·高云族 | 第15页 |
| ·云的形成和外形特征 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 第三章 图像的特征提取 | 第18-26页 |
| ·纹理特征 | 第18-22页 |
| ·纹理的分析方法 | 第18-19页 |
| ·灰度共生矩阵和 Tamura 纹理 | 第19-22页 |
| ·颜色特征提取 | 第22-24页 |
| ·颜色直方图 | 第22-23页 |
| ·累计直方图 | 第23页 |
| ·颜色矩 | 第23-24页 |
| ·形状特征提取 | 第24-25页 |
| ·形状无关矩 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 KNN 分类器 | 第26-31页 |
| ·分类器的概念 | 第26页 |
| ·分类器的构造方法 | 第26-27页 |
| ·近邻法分类规则 | 第27-28页 |
| ·K-近邻法需要解决的问题 | 第28-29页 |
| ·寻找适当的训练数据集 | 第28页 |
| ·确定距离函数 | 第28-29页 |
| ·K 值的选取 | 第29页 |
| ·综合 K 个邻居的类别 | 第29页 |
| ·本章小结 | 第29-31页 |
| 第五章 试验数据结果分析 | 第31-51页 |
| ·第一种云分类方案结果分析 | 第31-40页 |
| ·数据选取 | 第31页 |
| ·试验步骤 | 第31页 |
| ·试验分析 | 第31-40页 |
| ·第二种云分类方案结果分析 | 第40-50页 |
| ·数据选取 | 第40-41页 |
| ·试验步骤 | 第41页 |
| ·试验分析 | 第41-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 特征量优化 | 第51-54页 |
| ·特征量优化背景 | 第51-52页 |
| ·特征量优化步骤 | 第52-53页 |
| ·特征量优化结果 | 第53页 |
| ·本章小结 | 第53-54页 |
| 第七章 总结和展望 | 第54-56页 |
| ·主要工作和结论 | 第54-55页 |
| ·存在的问题和展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 作者在读期间科研成果简介 | 第60-61页 |
| 致谢 | 第61页 |
