支持向量机在矿区遥感监测图像分类中的应用研究
| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 1 绪论 | 第10-17页 |
| ·露天煤矿区遥感监测的目的与意义 | 第10-11页 |
| ·遥感监测关键技术分析 | 第11-12页 |
| ·遥感图像计算机分类研究现状 | 第12-13页 |
| ·支持向量机的研究现状 | 第13-15页 |
| ·SVM 算法方面的研究 | 第13-15页 |
| ·SVM 应用方面的研究 | 第15页 |
| ·本文的主要工作与章节安排 | 第15-17页 |
| 2 遥感图像分类技术 | 第17-32页 |
| ·引言 | 第17页 |
| ·遥感图像介绍 | 第17-19页 |
| ·遥感图像分类的一般原理 | 第19-21页 |
| ·遥感图像分类方法综述 | 第21-31页 |
| ·传统的分类方法 | 第21-25页 |
| ·新分类方法研究 | 第25-29页 |
| ·分类方法评析与展望 | 第29-31页 |
| ·小结 | 第31-32页 |
| 3 支持向量机基本理论 | 第32-46页 |
| ·引言 | 第32页 |
| ·统计学习理论 | 第32-36页 |
| ·VC 维 | 第33-34页 |
| ·推广性的界 | 第34页 |
| ·结构风险最小化 | 第34-36页 |
| ·支持向量机介绍 | 第36-40页 |
| ·最优分类面的构造 | 第36-37页 |
| ·支持向量机 | 第37-39页 |
| ·核函数 | 第39-40页 |
| ·支持向量机的特点 | 第40页 |
| ·两类支持向量机分类器的实现 | 第40-42页 |
| ·支持向量机多分类算法 | 第42-45页 |
| ·小结 | 第45-46页 |
| 4 基于SVM 的煤矿区遥感监测图像分类 | 第46-63页 |
| ·引言 | 第46页 |
| ·实验数据介绍 | 第46-47页 |
| ·支持向量机分类器模型构建 | 第47-58页 |
| ·算法的实现 | 第47-48页 |
| ·核函数的选择 | 第48-52页 |
| ·参数的选择 | 第52-56页 |
| ·SVM 的训练算法选择 | 第56-58页 |
| ·遥感图像分类实验 | 第58-61页 |
| ·实验方法及流程 | 第58-59页 |
| ·实验结果分析 | 第59-61页 |
| ·小结 | 第61-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 作者简历 | 第71-72页 |
| 学位论文数据集 | 第72-73页 |
