基于集成学习的农作物遥感分类方法的研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 国内外研究现状及发展趋势 | 第9-16页 |
| 1.2.1 遥感影像单一分类器的研究现状 | 第10-12页 |
| 1.2.2 遥感影像多分类器集成研究现状 | 第12-16页 |
| 1.3 课题研究的目的 | 第16页 |
| 1.4 拟解决的关键问题 | 第16-17页 |
| 1.5 本论文技术路线图 | 第17-18页 |
| 第2章 研究区概况与数据预处理 | 第18-25页 |
| 2.1 研究区概况 | 第18页 |
| 2.2 研究数据 | 第18-21页 |
| 2.2.1 数据简介 | 第18-19页 |
| 2.2.2 Landsat 8 简介 | 第19-21页 |
| 2.3 数据预处理 | 第21-24页 |
| 2.3.1 辐射定标 | 第22页 |
| 2.3.2 几何校正 | 第22-23页 |
| 2.3.3 影像裁剪 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 农作物遥感集成学习分类改进方法 | 第25-39页 |
| 3.1 基于单一分类器的农作物分类方法 | 第25-29页 |
| 3.1.1 最大似然法 | 第25-27页 |
| 3.1.2 马氏距离分类法 | 第27页 |
| 3.1.3 支持向量机 | 第27-29页 |
| 3.2 精度评价方法及指标 | 第29-30页 |
| 3.3 集成学习理论方法 | 第30-35页 |
| 3.3.1 分类器集成的组合结构 | 第31-33页 |
| 3.3.2 基于决策输出的集成学习理论方法 | 第33-35页 |
| 3.4 差异性度量方法 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 农作物遥感集成学习分类实验及结果分析 | 第39-59页 |
| 4.1 训练样本的采集 | 第39-40页 |
| 4.2 子分类器监督分类实验 | 第40-42页 |
| 4.3 子分类器分类结果评价 | 第42-46页 |
| 4.3.1 验证样本的选取和质量 | 第42-43页 |
| 4.3.2 三种子分类器的精度评价 | 第43-46页 |
| 4.4 基于决策输出的集成学习分类研究结果 | 第46-50页 |
| 4.5 子分类器与集成分类结果比较 | 第50-57页 |
| 4.6 分类器差异性度量 | 第57-58页 |
| 4.7 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 课题总结和创新 | 第59页 |
| 5.2 问题分析及展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-67页 |
