粗集在遥感影像聚类处理中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 引言 | 第10-12页 |
| 1 绪论 | 第12-16页 |
| ·粗集理论应用现状 | 第12-13页 |
| ·粗集理论用于遥感影像处理 | 第13-14页 |
| ·本文研究的主要内容 | 第14-16页 |
| 1.粗集理论及遥感信息的不确定性分析 | 第14页 |
| 2.基于粗集理论的遥感影像滤波增强处理 | 第14页 |
| 3.基于粗集理论的K-means聚类算法 | 第14-15页 |
| 4.基于粗集理论的DBSCAN聚类算法 | 第15-16页 |
| 2 粗集理论应用分析 | 第16-27页 |
| ·粗集的理论基础 | 第16-21页 |
| ·集合论与等价关系 | 第16-17页 |
| ·知识与不可分辨关系 | 第17-19页 |
| ·粗集的近似分类 | 第19-21页 |
| ·遥感信息处理的新途径——粗集理论 | 第21-24页 |
| ·遥感信息的不确定性 | 第21-22页 |
| ·粗集处理不确定性数据的优势 | 第22-24页 |
| ·粗集与其它软计算理论的关系 | 第24-25页 |
| ·粗集应用系统 | 第25-26页 |
| 本章小结 | 第26-27页 |
| 3 基于粗集的遥感影像滤波增强处理 | 第27-36页 |
| ·遥感影像的知识系统表达 | 第27-29页 |
| ·知识表达系统 | 第27-28页 |
| ·遥感影像的知识表达系统 | 第28-29页 |
| ·基于粗集概念下的均值滤波 | 第29-31页 |
| ·基于粗集理论的遥感影像增强 | 第31-34页 |
| 本章小结 | 第34-36页 |
| 4 基于粗集理论的K—MEANS聚类算法 | 第36-48页 |
| ·K—MEANS聚类算法简介 | 第37-40页 |
| ·K—means算法 | 第37-38页 |
| ·加入聚类准则函数的K-means聚类算法 | 第38-39页 |
| ·算法的特点和面临的主要问题 | 第39-40页 |
| ·聚类结果对初值的依赖性 | 第40-42页 |
| ·初值对聚类结果的影响 | 第40-42页 |
| ·选取初始聚类中心点的方法 | 第42页 |
| ·以粗集的近似分类概念选取聚类中心点 | 第42-43页 |
| ·基于粗集理论遥感影像聚类处理 | 第43-44页 |
| ·实验结果分析 | 第44-46页 |
| ·初始聚类中心点的选择 | 第44-45页 |
| ·空间聚类 | 第45-46页 |
| 本章小结 | 第46-48页 |
| 5 基于粗集理论的分区DBSCAN聚类算法 | 第48-59页 |
| ·DNSCAN介绍 | 第48-50页 |
| ·算法描述 | 第48-49页 |
| ·算法的特点和面临的主要问题 | 第49-50页 |
| ·已有的改进算法 | 第50-53页 |
| ·PDBSCAN算法 | 第50-51页 |
| ·FDBSCAN算法 | 第51-52页 |
| ·SDBSCAN算法 | 第52-53页 |
| ·其他改进方法 | 第53页 |
| ·改进的DBSCAN算法 | 第53-56页 |
| ·改进算法的思路 | 第53-54页 |
| ·算法的步骤 | 第54-55页 |
| ·算法的优越性及合理性 | 第55-56页 |
| ·实验结果分析 | 第56-58页 |
| 本章小结 | 第58-59页 |
| 6 论文总结 | 第59-61页 |
| ·论文的主要工作 | 第59页 |
| ·进一步努力的方向 | 第59-61页 |
| 参考文献 | 第61-66页 |
