基于BP神经网络遥感图像特征分类方法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| Contents | 第11-14页 |
| 1 引言 | 第14-19页 |
| ·课题背景 | 第14页 |
| ·国内外研究现状 | 第14-16页 |
| ·BP网络分类的基本原理 | 第16-17页 |
| ·本文的研究目的和工作内容 | 第17-19页 |
| 2 神经网络基本原理 | 第19-31页 |
| ·人工神经网络概述 | 第19页 |
| ·生物学基础 | 第19页 |
| ·神经网络模型 | 第19-21页 |
| ·数学模型 | 第20页 |
| ·基函数以及激活函数 | 第20-21页 |
| ·神经网络的拓扑结构 | 第21-23页 |
| ·BP神经网络 | 第21-22页 |
| ·反馈神经网络 | 第22-23页 |
| ·神经元的学习形式 | 第23-24页 |
| ·Hebb学习算法 | 第23页 |
| ·最速下降法 | 第23-24页 |
| ·典型的神经网络模型 | 第24-27页 |
| ·RBF神经网络 | 第24-25页 |
| ·Hopfield神经网络 | 第25-26页 |
| ·SOFM神经网络 | 第26-27页 |
| ·BP神经网络原理 | 第27-30页 |
| ·BP算法 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 3 遥感图像原理及分类方法 | 第31-39页 |
| ·遥感图像概述 | 第31-33页 |
| ·传统的模式方法 | 第33-36页 |
| ·句法模式分类方法 | 第36-37页 |
| ·分类方法的评价 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 4 遥感图像预处理中的相关技术 | 第39-57页 |
| ·概述 | 第39页 |
| ·遥感图像一般处理过程 | 第39-42页 |
| ·图像的数字化处理 | 第40-41页 |
| ·图像数据预处理 | 第41-42页 |
| ·图像降噪 | 第41-42页 |
| ·遥感图像特征提取 | 第42-46页 |
| ·图像的光谱特征的提取 | 第43-44页 |
| ·遥感图像纹理特征的提取 | 第44-46页 |
| ·遥感图像处理的数据融合技术 | 第46-48页 |
| ·像素级数据融合 | 第46-47页 |
| ·特征级数据融合 | 第47-48页 |
| ·决策级数据融合 | 第48页 |
| ·光谱特征与纹理特征的融合 | 第48-53页 |
| ·分类效果评价方法 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 5 改进算法的分类结果及评价 | 第57-71页 |
| ·遗传算法 | 第57-59页 |
| ·GA-BP神经网络分类器 | 第59-63页 |
| ·分类器概述 | 第59-60页 |
| ·GA算法训练 | 第60-63页 |
| ·BP网络平台 | 第63-65页 |
| · | 第65-69页 |
| ·BP网络对遥融合图像的训练效果 | 第65-68页 |
| ·GA-BP网络对融合图像的训练效果 | 第68-69页 |
| ·分类结果评价 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 6 总结 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 作者简介及读研期间主要科研成果 | 第79页 |
