支持向量机遥感图像分类的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·引言 | 第9-10页 |
| ·研究的目的和意义 | 第10-11页 |
| ·支持向量机的应用前景 | 第11-12页 |
| ·本课题研究的主要内容 | 第12-13页 |
| 第二章 统计学习理论与支持向量机 | 第13-29页 |
| ·统计学习理论 | 第13-14页 |
| ·统计学习理论基本内容 | 第14-21页 |
| ·机器学习问题的表示 | 第15-16页 |
| ·VC维 | 第16-17页 |
| ·推广性界 | 第17-18页 |
| ·结构风险最小化 | 第18-20页 |
| ·经验风险最小化 | 第20-21页 |
| ·支持向量机基本原理 | 第21-29页 |
| ·支持向量机 | 第21-22页 |
| ·核心思想 | 第22-23页 |
| ·线性可分最优分类器 | 第23-26页 |
| ·非线性可分分类器 | 第26-29页 |
| 第三章 支持向量机模型的建立以及软件算法实现 | 第29-36页 |
| ·SVM核函数 | 第29-30页 |
| ·整体设计 | 第30-36页 |
| ·样本采集模块的设计与实现 | 第31-33页 |
| ·算法训练模块的设计与实现 | 第33-34页 |
| ·分类模块的设计与实现 | 第34-36页 |
| 第四章 图像预处理及参数的选择 | 第36-43页 |
| ·图像预处理 | 第36-37页 |
| ·几何校正 | 第36页 |
| ·图像拼接 | 第36-37页 |
| ·图像裁切 | 第37页 |
| ·参数的选择及对分类效果的影响 | 第37-43页 |
| ·惩罚系数C | 第38-39页 |
| ·交叉验证技术 | 第39-42页 |
| ·网格搜索技术 | 第42-43页 |
| 第五章 实验结果及分类评价 | 第43-54页 |
| ·试验区地面资料的分析 | 第43-44页 |
| ·四种核函数的分类结果比较 | 第44-48页 |
| ·与其他的分类算法的比较 | 第48-51页 |
| ·分类评价 | 第51-54页 |
| 第六章 结论与展望 | 第54-57页 |
| 结论 | 第54-55页 |
| 论文进一步研究设想 | 第55-56页 |
| 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61页 |
| 攻读硕士学位期间参加的科研项目 | 第61-62页 |
| 致谢 | 第62页 |
