基于旋转森林算法的荒漠区植被信息提取：以毛乌素沙地为例
| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景与研究意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 植被信息提取 | 第11-13页 |
| 1.2.2 集成学习分类方法 | 第13-14页 |
| 1.3 研究区概况 | 第14-16页 |
| 1.3.1 地理位置 | 第14-15页 |
| 1.3.2 地形地貌及气候特征 | 第15-16页 |
| 1.3.3 植被类型 | 第16页 |
| 1.3.4 社会、经济状况 | 第16页 |
| 1.4 研究内容与技术路线 | 第16-18页 |
| 1.4.1 研究内容 | 第16-17页 |
| 1.4.2 技术路线 | 第17-18页 |
| 1.5 论文结构 | 第18-20页 |
| 第二章 旋转森林算法的原理与方法 | 第20-31页 |
| 2.1 分类体系 | 第20页 |
| 2.2 旋转森林算法 | 第20-29页 |
| 2.2.1 基本概念 | 第21-22页 |
| 2.2.2 特征提取算法 | 第22-23页 |
| 2.2.3 基分类器 | 第23-25页 |
| 2.2.4 集成策略 | 第25-26页 |
| 2.2.5 集成学习 | 第26-29页 |
| 2.3 算法实现 | 第29-31页 |
| 第三章 模型构建与训练 | 第31-44页 |
| 3.1 数据预处理 | 第31-33页 |
| 3.1.1 多光谱遥感影像数据 | 第31-32页 |
| 3.1.2 地形数据 | 第32页 |
| 3.1.3 其他数据 | 第32-33页 |
| 3.2 模型构建和训练 | 第33-43页 |
| 3.2.1 构建特征数据集 | 第33-39页 |
| 3.2.2 构建样本集 | 第39-41页 |
| 3.2.3 训练模型 | 第41-43页 |
| 3.3 小结 | 第43-44页 |
| 第四章 荒漠区植被信息提取 | 第44-61页 |
| 4.1 参数分析 | 第44-47页 |
| 4.1.1 最小叶节点待分类样本数 | 第44-46页 |
| 4.1.2 决策树的个数及特征子集的特征数 | 第46-47页 |
| 4.2 影像分类 | 第47-50页 |
| 4.2.1 影像分类 | 第47页 |
| 4.2.2 分类结果合并 | 第47页 |
| 4.2.3 模型分析 | 第47-50页 |
| 4.3 分类后处理及精度评价 | 第50-55页 |
| 4.3.1 分类后处理 | 第50-51页 |
| 4.3.2 精度评价 | 第51-55页 |
| 4.4 各植被类型提取精度 | 第55-56页 |
| 4.5 分类方法对比 | 第56-58页 |
| 4.6 ENVI功能扩展 | 第58-60页 |
| 4.7 小结 | 第60-61页 |
| 第五章 植被类型的空间分布特征 | 第61-73页 |
| 5.1 各植被类型的面积及所占面积比例 | 第61页 |
| 5.2 各县级单位植被类型分布情况 | 第61-72页 |
| 5.3 小结 | 第72-73页 |
| 第六章 结论与展望 | 第73-76页 |
| 6.1 结论 | 第73-74页 |
| 6.2 创新点 | 第74-75页 |
| 6.3 不足与展望 | 第75-76页 |
| 6.3.1 不足 | 第75页 |
| 6.3.2 展望 | 第75-76页 |
| 附录 | 第76-88页 |
| 参考文献 | 第88-94页 |
| 在学期间的研究成果 | 第94-95页 |
| 致谢 | 第95页 |
