| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.3 本文主要的工作 | 第13页 |
| 1.4 本文组织结构 | 第13-16页 |
| 第2章 相关研究工作 | 第16-33页 |
| 2.1 遥感图像数据挖掘的相关技术 | 第16-18页 |
| 2.1.1 关联规则 | 第16-17页 |
| 2.1.2 分类和聚类 | 第17页 |
| 2.1.3 遗传算法 | 第17页 |
| 2.1.4 神经网络 | 第17-18页 |
| 2.1.5 其他相关技术 | 第18页 |
| 2.2 序列模式挖掘的相关概念 | 第18-20页 |
| 2.2.1 基本定义 | 第18-20页 |
| 2.2.2 基本性质 | 第20页 |
| 2.3 序列模式挖掘经典算法 | 第20-29页 |
| 2.3.1 AprioriAll算法 | 第20-22页 |
| 2.3.2 GSP算法 | 第22-24页 |
| 2.3.3 SPADE算法 | 第24-26页 |
| 2.3.4 PrefixSpan算法 | 第26-27页 |
| 2.3.5 SPAM算法 | 第27-29页 |
| 2.4 序列模式挖掘经典算法的对比及结论 | 第29-31页 |
| 2.4.1 六种算法的定性比较 | 第29-30页 |
| 2.4.2 算法的时间和空间执行效率比较 | 第30-31页 |
| 2.4.3 算法使用范围分析 | 第31页 |
| 2.5 本章小结 | 第31-33页 |
| 第3章 基于BIDE的遥感图像数据挖掘方法 | 第33-58页 |
| 3.1 遥感图像分类 | 第33-38页 |
| 3.1.1 图像的预处理 | 第34页 |
| 3.1.2 特征提取 | 第34-35页 |
| 3.1.3 训练分类器 | 第35-36页 |
| 3.1.4 批量分类 | 第36-38页 |
| 3.1.5 导出要素 | 第38页 |
| 3.2 空间信息编码 | 第38-40页 |
| 3.3 BIDE算法 | 第40-47页 |
| 3.3.1 基础理论 | 第41-43页 |
| 3.3.2 BIDE算法示例 | 第43-46页 |
| 3.3.3 BIDE算法的设计与实现 | 第46-47页 |
| 3.4 实验及性能分析 | 第47-56页 |
| 3.4.1 开发环境 | 第47页 |
| 3.4.2 图像数据源 | 第47-48页 |
| 3.4.3 分类模块的测试 | 第48-52页 |
| 3.4.4 数据格式转换模块测试 | 第52-54页 |
| 3.4.5 数据挖掘模块测试 | 第54-56页 |
| 3.5 本章小结 | 第56-58页 |
| 第4章 基于CSBIDEP的遥感图像数据挖掘方法 | 第58-76页 |
| 4.1 基于双向扩展的闭序列模式挖掘算法(Mul_BIDE) | 第58-64页 |
| 4.1.1 基础理论 | 第58-62页 |
| 4.1.2 Mul_BIDE算法的设计与实现 | 第62-64页 |
| 4.2 基于位置信息的闭序列模式(CSBIDEP)挖掘算法 | 第64-71页 |
| 4.2.1 位置信息表的构建 | 第64-65页 |
| 4.2.2 算法思想 | 第65-66页 |
| 4.2.3 优化策略 | 第66-67页 |
| 4.2.4 算法设计 | 第67-71页 |
| 4.3 实验与性能分析 | 第71-73页 |
| 4.3.1 BIDE算法存在的问题 | 第71页 |
| 4.3.2 CSBIDEP算法的优点 | 第71页 |
| 4.3.3 算法分析和实验对比 | 第71-73页 |
| 4.4 本章小结 | 第73-76页 |
| 第5章 总结与展望 | 第76-78页 |
| 5.1 总结 | 第76页 |
| 5.2 展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士学位期间主要成果 | 第83页 |