| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第1章 绪论 | 第11-20页 |
| ·引言 | 第11-12页 |
| ·选题的背景和选题依据 | 第12-15页 |
| ·遥感技术 | 第12页 |
| ·课题提出 | 第12-15页 |
| ·国内外研究动态及发展趋势 | 第15-18页 |
| ·国内外研究动态 | 第15-17页 |
| ·人工神经网络遥感图像分类方法发展趋势 | 第17-18页 |
| ·本文的主要工作 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第2章 遥感图像分类原理及传统分类方法 | 第20-30页 |
| ·概述 | 第20-21页 |
| ·遥感图像分类定义及依据 | 第21页 |
| ·传统的遥感图像分类方法 | 第21-29页 |
| ·传统的监督分类法 | 第22-25页 |
| ·传统的非监督分类法 | 第25-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 人工神经网络基本原理与方法 | 第30-41页 |
| ·神经网络结构 | 第30-31页 |
| ·神经网络的学习规则 | 第31-35页 |
| ·Hebb 学习规则 | 第32-33页 |
| ·Perceptron 学习规则 | 第33页 |
| ·δ学习规则 | 第33-34页 |
| ·Winner-Take-All(胜者为王)学习规则 | 第34-35页 |
| ·遥感图像分类处理中应用的神经网络模型 | 第35-39页 |
| ·感知器的模式线性分类 | 第35-37页 |
| ·BP 神经网络模型遥感图像分类 | 第37-38页 |
| ·自组织神经网络模型遥感图像分类 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 基于改进的自组织神经网络模型的遥感图像分类方法研究 | 第41-51页 |
| ·引言 | 第41页 |
| ·改进BP 神经网络模型的遥感图像分类研究 | 第41-44页 |
| ·基本BP 算法分类思想 | 第41-42页 |
| ·改进BP 算法遥感图像分类原理 | 第42-44页 |
| ·基于SOFM 网络遥感图像分类研究 | 第44-49页 |
| ·SOFM 网络遥感图像分类基本思想 | 第44-46页 |
| ·SOFM 算法原理 | 第46-47页 |
| ·SOFM 算法的改进 | 第47-49页 |
| ·本章小结 | 第49-51页 |
| 第5章 遥感图像分类实验 | 第51-66页 |
| ·实验数据来源与实验目的 | 第51页 |
| ·遥感图像分类结果评价 | 第51-54页 |
| ·实验仿真 | 第54-65页 |
| ·传统方法遥感图像分类实验 | 第54-57页 |
| ·神经网络模型分类法 | 第57-64页 |
| ·各种分类方法结果比较 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |