邻域分析与邻近分析在建筑分类中的应用
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第14-21页 |
| 1.1 研究背景与意义 | 第14页 |
| 1.2 国内外研究进展 | 第14-17页 |
| 1.2.1 建筑识别分类数据源 | 第14-15页 |
| 1.2.2 建筑识别分类方法 | 第15页 |
| 1.2.3 与本文方法相关的研究 | 第15-17页 |
| 1.3 研究内容 | 第17-19页 |
| 1.3.1 本文研究的内容 | 第17页 |
| 1.3.2 本文的技术路线 | 第17-19页 |
| 1.4 拟解决的关键问题和创新点 | 第19-21页 |
| 1.4.1 关键问题 | 第19-20页 |
| 1.4.2 创新点 | 第20-21页 |
| 2 方法 | 第21-39页 |
| 2.1 试验区域与数据 | 第21-22页 |
| 2.2 下垫面分类常规描述符 | 第22-23页 |
| 2.3 邻域分析(波谱-位置联合分析) | 第23-28页 |
| 2.4 邻近分析(对象-场景关联分析) | 第28-31页 |
| 2.5 构建分类特征空间 | 第31-32页 |
| 2.6 BP软分类 | 第32-36页 |
| 2.6.1 BP神经网络概论 | 第32-33页 |
| 2.6.2 BP网络适用性 | 第33页 |
| 2.6.3 BP网络结构的设计 | 第33页 |
| 2.6.4 解模糊 | 第33-36页 |
| 2.7 分类后处理 | 第36-39页 |
| 3 讨论 | 第39-51页 |
| 3.1 邻域分析的有效性和意义 | 第39-41页 |
| 3.2 邻近分析的有效性和意义 | 第41-43页 |
| 3.3 分类精度评估 | 第43-49页 |
| 3.3.1 评估指标 | 第43页 |
| 3.3.2 样本选取 | 第43页 |
| 3.3.3 分类精度 | 第43-49页 |
| 3.4 运算复杂度评估 | 第49-51页 |
| 4 结论 | 第51-53页 |
| 4.1 本文的主要进展与不足 | 第51页 |
| 4.2 展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 后记 | 第58页 |
