| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究的目的与意义 | 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13-15页 |
| 第2章 相关研究工作 | 第15-33页 |
| 2.1 遥感图像数据挖掘的相关技术 | 第15-17页 |
| 2.1.1 关联规则 | 第15-16页 |
| 2.1.2 分类和聚类 | 第16页 |
| 2.1.3 遗传算法 | 第16页 |
| 2.1.4 神经网络 | 第16-17页 |
| 2.1.5 其他相关技术 | 第17页 |
| 2.2 序列模式挖掘的相关概念 | 第17-19页 |
| 2.2.1 基本定义 | 第17-19页 |
| 2.2.2 基本性质 | 第19页 |
| 2.3 序列模式挖掘经典算法 | 第19-28页 |
| 2.3.1 AprioriAll算法 | 第20-21页 |
| 2.3.2 GSP算法 | 第21-23页 |
| 2.3.3 SPADE算法 | 第23-25页 |
| 2.3.4 PrefixSpan算法 | 第25-26页 |
| 2.3.5 SPAM算法 | 第26-28页 |
| 2.4 序列模式挖掘经典算法的对比及结论 | 第28-31页 |
| 2.4.1 六种算法的定性比较 | 第28-29页 |
| 2.4.2 算法的时间和空间执行效率比较 | 第29-30页 |
| 2.4.3 算法使用范围分析 | 第30-31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33-57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36-37页 |
| 3.1.5 导出要素 | 第37-38页 |
| 3.2 空间信息编码 | 第38-40页 |
| 3.3 BIDE算法 | 第40-46页 |
| 3.3.1 基础理论 | 第41-43页 |
| 3.3.2 BIDE算法示例 | 第43-45页 |
| 3.3.3 BIDE算法的设计与实现 | 第45-46页 |
| 3.4 实验及性能分析 | 第46-55页 |
| 3.4.1 开发环境 | 第46-47页 |
| 3.4.2 图像数据源 | 第47-48页 |
| 3.4.3 分类模块的测试 | 第48-51页 |
| 3.4.4 数据格式转换模块测试 | 第51-53页 |
| 3.4.5 数据挖掘模块测试 | 第53-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第4章 基于CSBIDEB的遥感图像数据挖掘方法 | 第57-79页 |
| 4.1 基于双向扩展的闭序列模式挖掘算法(Mul_BIDE) | 第57-63页 |
| 4.1.1 基础理论 | 第57-61页 |
| 4.1.2 Mul_BIDE算法的设计与实现 | 第61-63页 |
| 4.2 基于位图的闭序列模式(CSBIDEB)挖掘算法 | 第63-73页 |
| 4.2.1 基础理论 | 第63-72页 |
| 4.2.2 算法框架 | 第72-73页 |
| 4.3 实验与性能分析 | 第73-77页 |
| 4.3.1 BIDE算法存在的问题 | 第74页 |
| 4.3.2 CSBIDEB算法的优点 | 第74页 |
| 4.3.3 算法分析和实验对比 | 第74-77页 |
| 4.4 本章小结 | 第77-79页 |
| 第5章 总结与展望 | 第79-81页 |
| 5.1 总结 | 第79页 |
| 5.2 展望 | 第79-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85-87页 |
| 攻读硕士学位期间主要成果 | 第87页 |