基于机器学习的湟水流域土地利用/土地覆被分类研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景与选题意义 | 第9-10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-16页 |
| 1.3 研究目标与研究内容 | 第16页 |
| 1.4 论文技术路线 | 第16-17页 |
| 1.5 研究特色、创新与难点 | 第17-19页 |
| 第二章 机器学习分类方法概述 | 第19-27页 |
| 2.1 人工神经网络方法 | 第19-20页 |
| 2.2 决策树方法 | 第20-21页 |
| 2.3 支持向量机方法 | 第21-24页 |
| 2.4 随机森林方法 | 第24-27页 |
| 第三章 数据源与数据预处理 | 第27-35页 |
| 3.1 研究区概况 | 第27-30页 |
| 3.1.1 地理位置 | 第27页 |
| 3.1.2 地貌 | 第27-28页 |
| 3.1.3 气候特征 | 第28页 |
| 3.1.4 水系 | 第28-29页 |
| 3.1.5 土壤与植被 | 第29页 |
| 3.1.6 社会经济特征 | 第29页 |
| 3.1.7 土地利用/土地覆被类型空间分布 | 第29-30页 |
| 3.2 数据源与数据预处理 | 第30-35页 |
| 3.2.1 数据源 | 第30-32页 |
| 3.2.2 数据预处理 | 第32-33页 |
| 3.2.3 野外采样数据 | 第33-35页 |
| 第四章 湟水流域土地利用/土地覆被分类 | 第35-54页 |
| 4.1 分类系统 | 第35-36页 |
| 4.2 地理分区 | 第36-37页 |
| 4.3 样本选择 | 第37-38页 |
| 4.4 特征参数选择 | 第38-42页 |
| 4.4.1 主要特征参数 | 第38-41页 |
| 4.4.2 基于地理分区特点的特征参数选择 | 第41-42页 |
| 4.5 湟水流域遥感影像的机器学习方法分类 | 第42-54页 |
| 4.5.1 人工神经网络分类 | 第42-44页 |
| 4.5.2 决策树分类 | 第44-49页 |
| 4.5.3 支持向量机分类 | 第49-50页 |
| 4.5.4 随机森林分类 | 第50-52页 |
| 4.5.5 融合后影像分类 | 第52页 |
| 4.5.6 分类方法对比 | 第52-54页 |
| 第五章 精度评价 | 第54-60页 |
| 5.1 脑山区精度评价与分析 | 第55-56页 |
| 5.2 浅山区精度评价与分析 | 第56-57页 |
| 5.3 川水区精度评价与分析 | 第57-58页 |
| 5.4 研究区总体精度评价与分析 | 第58-60页 |
| 第六章 结论与展望 | 第60-63页 |
| 6.1 主要结论 | 第60-61页 |
| 6.2 讨论与展望 | 第61-63页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70-71页 |
| 个人简历 | 第71页 |
