| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-12页 |
| 1.1 课题研究背景与意义 | 第9页 |
| 1.2 国内外的研究现状 | 第9-11页 |
| 1.3 本文的研究内容和组织结构 | 第11-12页 |
| 2 高光谱遥感分类理论 | 第12-20页 |
| 2.1 引言 | 第12页 |
| 2.2 高光谱图像的获取及其数据特点 | 第12-15页 |
| 2.3 高光谱遥感图像分类 | 第15-18页 |
| 2.4 SVM用于高光谱图像数据的优势 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 3 支持向量机理论 | 第20-29页 |
| 3.1 SVM算法的发展 | 第20-21页 |
| 3.2 SVM的分类原理 | 第21-26页 |
| 3.3 核函数 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 4 核函数对SVM分类精度的影响 | 第29-32页 |
| 4.1 SVM多类分类方法 | 第29-30页 |
| 4.2 核函数对SVM分类精度影响的研究 | 第30-31页 |
| 4.3 实验结果分析 | 第31页 |
| 4.4 本章小结 | 第31-32页 |
| 5 支持向量机的参数优化方法 | 第32-40页 |
| 5.1 参数分析与选择 | 第32-33页 |
| 5.2 粒子群算法 | 第33-36页 |
| 5.3 不同核函数参数优化方法对SVM分类精度的影响 | 第36-39页 |
| 5.4 本章小结 | 第39-40页 |
| 全文总结与展望 | 第40-41页 |
| 致谢 | 第41-42页 |
| 参考文献 | 第42-45页 |