| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-18页 |
| 1.1 课题的研究背景及意义 | 第8-9页 |
| 1.2 遥感信息提取研究内容与现状 | 第9-14页 |
| 1.2.1 遥感影像边缘检测 | 第10-12页 |
| 1.2.2 遥感影像分类算法 | 第12-14页 |
| 1.3 基于迁移学习的分类算法 | 第14-16页 |
| 1.4 论文主要内容及结构 | 第16-18页 |
| 2 基于元胞极限学习机的遥感影像边缘检测算法 | 第18-30页 |
| 2.1 元胞自动机及极限学习机原理 | 第18-21页 |
| 2.1.1 元胞自动机理论 | 第18-19页 |
| 2.1.2 极限学习机理论 | 第19-21页 |
| 2.2 基于元胞极限学习机的边缘检测算法 | 第21-26页 |
| 2.2.1 元胞极限学习机算法流程 | 第21-22页 |
| 2.2.2 元胞极限学习机具体实现 | 第22-26页 |
| 2.3 仿真实验 | 第26-29页 |
| 2.3.1 算法有效性 | 第26-28页 |
| 2.3.2 算法虚警率 | 第28-29页 |
| 2.4 小结 | 第29-30页 |
| 3 基于加权极限学习机的多时相遥感影像迁移分类 | 第30-37页 |
| 3.1 基于加权极限学习机的迁移学习 | 第30-34页 |
| 3.1.1 加权极限学习机 | 第30-31页 |
| 3.1.2 加权极限学习机迁移学习 | 第31-33页 |
| 3.1.3 权值调整策略及算法流程 | 第33-34页 |
| 3.2 仿真实验 | 第34-36页 |
| 3.3 小结 | 第36-37页 |
| 4 基于改进贝叶斯ARTMAP的多时相遥感影像迁移分类 | 第37-51页 |
| 4.1 贝叶斯ARTMAP神经网络基本原理 | 第37-40页 |
| 4.2 基于改进贝叶斯ARTMAP神经网络的迁移学习 | 第40-45页 |
| 4.2.1 改进贝叶斯ARTMAP神经网络 | 第40-43页 |
| 4.2.2 改进贝叶斯ARTMAP的迁移学习 | 第43-45页 |
| 4.3 仿真实验 | 第45-50页 |
| 4.3.1 改进贝叶斯ARTMAP分类实例 | 第46-48页 |
| 4.3.2 迁移学习遥感影像分类实例 | 第48-50页 |
| 4.4 小结 | 第50-51页 |
| 5 辽河口湿地围填海变化检测 | 第51-62页 |
| 5.1 辽河口湿地概况 | 第51-52页 |
| 5.2 辽河口湿地围填海遥感影像信息提取 | 第52-55页 |
| 5.2.1 1987-2014 年土地利用/土地覆盖类型分类 | 第52-54页 |
| 5.2.2 1987-2014 年围填海变化检测 | 第54-55页 |
| 5.3 辽河口湿地围填海遥感信息提取 | 第55-61页 |
| 5.3.1 围填海状态变化分析 | 第55-59页 |
| 5.3.2 围填海生态服务功能值变化分析 | 第59-61页 |
| 5.4 小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间参与项目情况 | 第68页 |
| 攻读硕士学位期间发表学术论文情况 | 第68-69页 |
| 致谢 | 第69-70页 |
