| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-17页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 集成方法研究进展与现状 | 第9-13页 |
| 1.2.1 处理训练集的集成方法 | 第10-11页 |
| 1.2.2 处理特征集的集成方法 | 第11-12页 |
| 1.2.3 混合集成方法 | 第12-13页 |
| 1.3 遥感影像分类研究历史与现状 | 第13-15页 |
| 1.4 论文主要内容及结构 | 第15-17页 |
| 2 改进的旋转森林集成分类方法 | 第17-28页 |
| 2.1 旋转森林集成方法基本原理 | 第17-18页 |
| 2.2 改进的旋转森林集成分类方法描述 | 第18-22页 |
| 2.2.1 极限学习机实现机理 | 第18-20页 |
| 2.2.2 改进的旋转森林分类方法训练与测试 | 第20-21页 |
| 2.2.3 改进的旋转森林分类方法参数选择 | 第21-22页 |
| 2.3 仿真实例 | 第22-27页 |
| 2.3.1 标杆数据实验结果比较 | 第22-25页 |
| 2.3.2 某地开发区遥感影像分类结果比较 | 第25-27页 |
| 2.4 小结 | 第27-28页 |
| 3 基于神经网络集成的遥感影像分类方法 | 第28-39页 |
| 3.1 非负矩阵分解在特征提取中的应用 | 第28-30页 |
| 3.2 基于非负矩阵分解和极限学习机的选择性集成方法 | 第30-32页 |
| 3.2.1 Q统计描述 | 第30页 |
| 3.2.2 遥感影像分类模型的建立 | 第30-32页 |
| 3.3 仿真实例 | 第32-38页 |
| 3.3.1 扎龙湿地遥感影像分类结果比较 | 第32-34页 |
| 3.3.2 海城河遥感影像分类结果比较 | 第34-35页 |
| 3.3.3 UCI数据分类结果比较 | 第35-38页 |
| 3.4 小结 | 第38-39页 |
| 4 多特征融合的遥感集成分类方法 | 第39-48页 |
| 4.1 基于Gabor变换的遥感影像纹理特征提取 | 第39-40页 |
| 4.2 多特征融合的遥感集成分类方法描述 | 第40-42页 |
| 4.3 仿真实例 | 第42-47页 |
| 4.3.1 实验设计及参数选择 | 第42页 |
| 4.3.2 扎龙遥感影像仿真结果分析 | 第42-44页 |
| 4.3.3 某地开发区遥感影像仿真结果分析 | 第44-47页 |
| 4.4 小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 课题资助情况 | 第54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |