基于偏二叉树双支持向量机的遥感图像分类研究与应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 选题背景与研究意义 | 第8-9页 |
| 1.2 遥感图像分类的任务及难点 | 第9-10页 |
| 1.3 国内外研究现状及分析 | 第10-12页 |
| 1.4 本文的主要工作以及章节安排 | 第12-14页 |
| 第二章 遥感图像分类方法研究 | 第14-24页 |
| 2.1 遥感图像分类概述 | 第14-16页 |
| 2.2 传统遥感图像分类方法 | 第16-21页 |
| 2.2.1 最大似然分类法 | 第16-18页 |
| 2.2.2 ISODATA分类法 | 第18-21页 |
| 2.3 遥感图像分类精度评价 | 第21-23页 |
| 2.3.1 误差矩阵 | 第21-22页 |
| 2.3.2 总体分类精度 | 第22页 |
| 2.3.3 Kappa系数 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于偏二叉树双支持向量机的遥感图像分类 | 第24-39页 |
| 3.1 统计学习理论与支持向量机 | 第24-30页 |
| 3.1.1 统计学习理论 | 第24-26页 |
| 3.1.2 支持向量机 | 第26-30页 |
| 3.2 双支持向量机与二叉树支持向量机 | 第30-33页 |
| 3.2.1 双支持向量机 | 第30-32页 |
| 3.2.2 二叉树支持向量机 | 第32-33页 |
| 3.3 基于偏二叉树双支持向量机的遥感图像分类 | 第33-35页 |
| 3.4 实验过程与结果分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 遥感图像分类系统的开发与实现 | 第39-53页 |
| 4.1 遥感图像分类系统的需求 | 第39页 |
| 4.2 系统处理的数据说明 | 第39-41页 |
| 4.3 系统语言的选择 | 第41页 |
| 4.4 系统框架设计 | 第41-42页 |
| 4.5 系统核心模块详细设计 | 第42-46页 |
| 4.5.1 图像文件操作模块 | 第42-43页 |
| 4.5.2 图像信息读取模块 | 第43页 |
| 4.5.3 分类前准备模块 | 第43-44页 |
| 4.5.4 训练样本选择模块 | 第44页 |
| 4.5.5 遥感图像分类算法模块 | 第44-46页 |
| 4.5.6 系统类详细设计 | 第46页 |
| 4.6 系统界面介绍和功能演示 | 第46-52页 |
| 4.6.1 系统界面介绍 | 第47-48页 |
| 4.6.2 系统功能演示 | 第48-52页 |
| 4.7 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间参与的科研项目 | 第59页 |
