基于内容的卫星云图分类方法研究
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| ·问题的提出 | 第11-12页 |
| ·相关研究工作 | 第12-16页 |
| ·图像数据挖掘原型系统 | 第12-13页 |
| ·图像分类的研究 | 第13-15页 |
| ·卫星云图分类研究现状 | 第15-16页 |
| ·相关研究工作评述 | 第16页 |
| ·本论文研究内容及贡献 | 第16-17页 |
| ·论文结构 | 第17-19页 |
| 第二章 卫星云图分类基础 | 第19-30页 |
| ·卫星云图概述 | 第19-23页 |
| ·卫星云图的种类及其特点 | 第19-21页 |
| ·识别卫星云图上各种云的判据 | 第21-22页 |
| ·云的类别 | 第22-23页 |
| ·图像挖掘的概念和方法 | 第23-26页 |
| ·图像挖掘的基本概念 | 第23-24页 |
| ·图像挖掘模式 | 第24页 |
| ·图像挖掘的方法与技术 | 第24-26页 |
| ·基于内容的卫星云图分类框架 | 第26-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于微粒群优化的云图聚类算法 | 第30-41页 |
| ·聚类分析 | 第30-33页 |
| ·聚类分析的含义 | 第30页 |
| ·聚类分析中的主要算法 | 第30-32页 |
| ·非监督方法的意义 | 第32-33页 |
| ·k-均值聚类算法 | 第33页 |
| ·微粒群优化算法 | 第33-37页 |
| ·群体智能 | 第33-34页 |
| ·微粒群优化算法 | 第34-35页 |
| ·算法设计的基本原则 | 第35-36页 |
| ·算法的设计步骤 | 第36-37页 |
| ·基于PSO的云图聚类算法 | 第37-40页 |
| ·聚类质量参数 | 第37-38页 |
| ·算法设计 | 第38-39页 |
| ·算法的描述 | 第39-40页 |
| ·本章小节 | 第40-41页 |
| 第四章 卫星云图的多特征融合分类方法 | 第41-57页 |
| ·多特征融合分类模型 | 第41-42页 |
| ·云图的多特征提取 | 第42-46页 |
| ·基于灰度直方图的纹理描绘子 | 第42-43页 |
| ·基于灰度共生矩阵的二次统计量 | 第43-45页 |
| ·奇异值分解变换 | 第45-46页 |
| ·面向卫星云图分类的BP神经网络 | 第46-51页 |
| ·BP神经网络概述 | 第47-50页 |
| ·面向卫星云图分类的BP网络设计 | 第50-51页 |
| ·基于投票系统的多特征融合方法 | 第51-55页 |
| ·基于投票系统的多特征融合框架 | 第52-53页 |
| ·无选通子系统的情况 | 第53-54页 |
| ·有选通子系统的情况 | 第54-55页 |
| ·本章小结 | 第55-57页 |
| 第五章 实验及讨论 | 第57-68页 |
| ·实验环境及实验数据准备 | 第57-58页 |
| ·基于微粒群优化的云图聚类算法实验 | 第58-61页 |
| ·控制参数变化对聚类质量参数的影响 | 第58-60页 |
| ·基于PSO的聚类算法与k-均值算法比较 | 第60-61页 |
| ·卫星云图的多特征融合分类实验 | 第61-66页 |
| ·分量分类器隐节点数的确定 | 第62-63页 |
| ·分量分类器性能评估 | 第63-65页 |
| ·系统分类器性能评估 | 第65-66页 |
| ·聚类与分类的联合实验 | 第66-67页 |
| ·本章小节 | 第67-68页 |
| 第六章 总结和未来工作展望 | 第68-70页 |
| ·总结 | 第68页 |
| ·未来工作展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 作者在学期间取得的学术成果 | 第74页 |
