| 第一章 绪论 | 第1-16页 |
| ·神经网络理论的现状与发展趋势 | 第9-11页 |
| ·神经网络在遥感数据处理中的应用现状 | 第11-12页 |
| ·研究意义和选题依据 | 第12-14页 |
| ·本文主要研究内容 | 第14-16页 |
| 第二章 神经网络基本原理与方法 | 第16-28页 |
| ·神经网络的结构 | 第16-19页 |
| ·神经网络的学习规则 | 第19-22页 |
| ·遥感数据处理中应用的神经网络类型 | 第22-28页 |
| 第三章 非同源数据的BP算法分类 | 第28-39页 |
| ·气象数据与AVHRR热红外数据 | 第28-29页 |
| ·BP算法 | 第29-31页 |
| ·以沙尘源区为实例 | 第31-39页 |
| 第四章 容差粗糙集与BP算法的组合分类 | 第39-60页 |
| ·粗糙集与容差粗糙集 | 第39-49页 |
| ·引言 | 第39页 |
| ·粗糙集理论 | 第39-48页 |
| ·容差粗糙集 | 第48-49页 |
| ·容差粗糙集数据预处理算法 | 第49-51页 |
| ·容差粗糙集与BP算法结合的分类实验 | 第51-60页 |
| 第五章 小波变换与自组织神经网络算法的组合分类 | 第60-105页 |
| ·自组织特征映射神经网络与学习矢量量化算法 | 第60-68页 |
| ·自组织特征映射神经网络与学习矢量量化的原理 | 第60-63页 |
| ·自组织特征映射神经网络与矢量量化的算法步骤 | 第63-65页 |
| ·TM数据的自组织特征映射神经网络分类实验 | 第65-68页 |
| ·遥感数据的小波局部高频融合 | 第68-86页 |
| ·小波变换 | 第68-76页 |
| ·对TM图像的小波局部高频融合算法 | 第76-82页 |
| ·对ASTER数据的小波局部高频融合实验 | 第82-86页 |
| ·小波融合与自组织神经网络的算法的组合分类实验 | 第86-105页 |
| ·对天津地区的分类实验 | 第86-92页 |
| ·对多波段遥感数据降维的分类实验 | 第92-99页 |
| ·对城镇的分类实验-以北京为例 | 第99-105页 |
| 第六章 模糊聚类 | 第105-118页 |
| ·模糊聚类 | 第105-106页 |
| ·遥感数据的K-均值聚类与ISODATA算法聚类分析 | 第106-110页 |
| ·模糊c-均值聚类和改进的模糊c-均值聚类 | 第110-114页 |
| ·改进的模糊c-均值聚类及实例分析 | 第114-118页 |
| 第七章 结论与讨论 | 第118-120页 |
| ·结论 | 第118-119页 |
| ·讨论 | 第119-120页 |
| 参考文献 | 第120-129页 |
| 攻读博士期间发表的论文 | 第129-131页 |
| 致谢 | 第131页 |