| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-15页 |
| ·研究的目的与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文研究的内容 | 第13-14页 |
| ·技术路线 | 第14-15页 |
| 2 单分类器遥感影像分类 | 第15-24页 |
| ·最大似然法 | 第15-17页 |
| ·最小距离法 | 第17-18页 |
| ·平行六面体 | 第18-19页 |
| ·马氏距离法 | 第19-20页 |
| ·神经网络 | 第20-21页 |
| ·支持向量机 | 第21-24页 |
| 3 多分类器融合遥感影像分类 | 第24-33页 |
| ·针对决策输出方式的分类器融合算法 | 第24-27页 |
| ·投票法 | 第24-26页 |
| ·贝叶斯法 | 第26-27页 |
| ·行为知识空间法 | 第27页 |
| ·针对排序输出方式的分类器融合算法 | 第27-30页 |
| ·交集法 | 第28页 |
| ·并集法 | 第28-29页 |
| ·最高序号法 | 第29页 |
| ·Borda计数法 | 第29页 |
| ·逻辑斯蒂回归法 | 第29-30页 |
| ·针对量度输出方式的分类器融合算法 | 第30-32页 |
| ·线性组合法 | 第30-31页 |
| ·K 近邻法 | 第31-32页 |
| ·小结 | 第32-33页 |
| 4 分类器间差异性度量法 | 第33-40页 |
| ·一对一的差异性度量法 | 第33-35页 |
| ·Q统计差异性度量法 | 第34页 |
| ·相关系数差异性度量法 | 第34-35页 |
| ·不一致差异性度量法 | 第35页 |
| ·Double-fault差异性度量法 | 第35页 |
| ·非一对一差异性度量法 | 第35-37页 |
| ·Interrater agreement差异性度量法 | 第36页 |
| ·Measure of difficulty差异性度量法 | 第36-37页 |
| ·Coincident failure diversity差异性度量法 | 第37页 |
| ·熵值差异性度量法 | 第37-39页 |
| ·小结 | 第39-40页 |
| 5 基于多层次控制的多分类器融合遥感影像分类 | 第40-60页 |
| ·遥感图像预处理和获取先验参数 | 第40-47页 |
| ·遥感影像预处理和提取样本集 | 第42-45页 |
| ·单分类器对遥感影像分类 | 第45-47页 |
| ·多层次控制的多分类器融合 | 第47-56页 |
| ·基本思想 | 第47-48页 |
| ·应用EPD差异性度量法选取单分类器 | 第48-52页 |
| ·加权投票法多分类器融合 | 第52-53页 |
| ·AdaBoost.M2多分类器融合 | 第53-56页 |
| ·基于分类图像可信系数的分类图像结果分析 | 第56-60页 |
| 6 结论和展望 | 第60-61页 |
| 作者简历 | 第61-62页 |
| 学位论文数据集 | 第62-63页 |
