基于蚁群算法和支持向量机的矿化蚀变信息提取研究
摘要 | 第1-6页 |
ABSTRACT | 第6-12页 |
第一章 绪论 | 第12-23页 |
·研究背景和意义 | 第12-13页 |
·国内外研究现状 | 第13-19页 |
·矿化蚀变信息提取研究及应用现状 | 第13-16页 |
·蚁群算法研究及应用现状 | 第16-17页 |
·支持向量机研究及应用现状 | 第17-19页 |
·研究内容及主要创新点 | 第19-23页 |
·研究内容及技术路线 | 第19-21页 |
·主要创新点 | 第21-23页 |
第二章 岩石矿物光谱特征研究 | 第23-35页 |
·引言 | 第23页 |
·矿化蚀变信息提取的机理 | 第23-25页 |
·矿物的反射光谱 | 第25-30页 |
·影响矿物光谱的因素 | 第25-26页 |
·典型蚀变矿物的光谱特征 | 第26-30页 |
·岩石的反射光谱 | 第30-34页 |
·影响岩石光谱特征的因素 | 第30-31页 |
·不同类型岩石的光谱特征 | 第31-34页 |
·本章小结 | 第34-35页 |
第三章 研究区概况及数据预处理 | 第35-47页 |
·引言 | 第35页 |
·研究区概况 | 第35-43页 |
·地理交通概况 | 第35-38页 |
·以往地质工作程度 | 第38页 |
·区域地质背景 | 第38-41页 |
·金属矿产概况 | 第41-42页 |
·成矿地质条件分析 | 第42-43页 |
·遥感数据及数据预处理 | 第43-46页 |
·遥感数据来源 | 第43-44页 |
·图像预处理 | 第44-46页 |
·本章小结 | 第46-47页 |
第四章 蚁群算法优化SVM参数研究 | 第47-72页 |
·引言 | 第47页 |
·支持向量机概述 | 第47-61页 |
·SVM的理论基础 | 第47-51页 |
·SVM的基本原理 | 第51-58页 |
·SVM的训练算法 | 第58-59页 |
·SVM的特点 | 第59页 |
·SVM参数对其性能的影响 | 第59-61页 |
·蚁群优化算法 | 第61-67页 |
·蚁群算法概述 | 第61-63页 |
·蚁群算法基本原理 | 第63-65页 |
·蚁群算法中参数的选择 | 第65-67页 |
·蚁群算法优化SVM参数的算法设计 | 第67-70页 |
·仿真实验 | 第70-71页 |
·本章小结 | 第71-72页 |
第五章 基于支持向量机矿化信息提取研究 | 第72-96页 |
·引言 | 第72页 |
·基于光谱相似尺度的SVM矿化信息提取实验 | 第72-78页 |
·引言 | 第72页 |
·光谱相似尺度基本原理 | 第72-73页 |
·基于光谱相似尺度的SVM矿化信息提取实验 | 第73-78页 |
·基于主成分分析的SVM矿化信息提取实验 | 第78-85页 |
·引言 | 第78页 |
·主成分分析基本原理 | 第78-80页 |
·基于主成分分析的SVM矿化信息提取实验 | 第80-85页 |
·基于纹理和光谱的SVM矿化信息提取实验 | 第85-95页 |
·引言 | 第85-86页 |
·纹理特征分析 | 第86-90页 |
·基于纹理和光谱的SVM矿化信息提取实验 | 第90-95页 |
·本章小结 | 第95-96页 |
第六章 基于蚁群算法的光谱分解方法 | 第96-108页 |
·引言 | 第96页 |
·蚂蚁移动规则 | 第96-97页 |
·光谱混合分析 | 第97-101页 |
·光谱混合模型 | 第97-98页 |
·线性光谱混合模型 | 第98-99页 |
·线性混合端元组分选取方法 | 第99-101页 |
·基于蚁群算法的光谱分解算法 | 第101-104页 |
·实验及结果分析 | 第104-107页 |
·本章小结 | 第107-108页 |
第七章 基于蚁群算法的泥化蚀变信息提取研究 | 第108-114页 |
·引言 | 第108页 |
·蚁群算法提取泥化蚀变信息的机理 | 第108-109页 |
·基于蚁群的泥化蚀变信息提取算法 | 第109-111页 |
·实验及结果分析 | 第111-113页 |
·本章小结 | 第113-114页 |
第八章 结论与展望 | 第114-116页 |
·主要成果 | 第114-115页 |
·后续研究与工作展望 | 第115-116页 |
参考文献 | 第116-127页 |
攻读博士学位期间发表的学术论文 | 第127页 |
攻读博士学位期间参加的科研项目 | 第127-128页 |
致谢 | 第128页 |