| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究进展 | 第9-11页 |
| ·存在的问题 | 第11页 |
| ·论文研究内容和结构 | 第11-14页 |
| 第二章 遥感图像分类 | 第14-21页 |
| ·遥感图像分类基本原理 | 第14-15页 |
| ·非监督分类 | 第15-16页 |
| ·监督分类方法 | 第16-19页 |
| ·分类精度评价 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 集成学习 | 第21-30页 |
| ·集成学习概述 | 第21-22页 |
| ·集成学习个体生成和结论生成方法 | 第22-24页 |
| ·分类器组成结构 | 第24-27页 |
| ·Boosting分类模型及对比 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 集成学习多分类算法 | 第30-40页 |
| ·经典多分类方法 | 第30-31页 |
| ·ECOC分类框架 | 第31-34页 |
| ·基于ECOC的Logit AdaBoost多分类算法 | 第34-36页 |
| ·不平衡数据与集成学习 | 第36-38页 |
| ·RUSBoost多分类算法 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 多光谱遥感图像分类实验 | 第40-49页 |
| ·LBPV纹理特征 | 第40-43页 |
| ·基于LAB_ECOC算法的湿地图像实验 | 第43-45页 |
| ·基于RUSBoost_multiclass算法的固废图像实验 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| ·总结 | 第49-50页 |
| ·研究展望 | 第50-51页 |
| 参考文献 | 第51-59页 |