| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-21页 |
| ·选题的目的和意义 | 第11-12页 |
| ·研究的理论背景 | 第12-14页 |
| ·数据挖掘 | 第12-13页 |
| ·基于数据的机器学习 | 第13-14页 |
| ·遥感影像自动分类的研究现状 | 第14-17页 |
| ·传统的自动分类方法 | 第14-15页 |
| ·新的方法和手段 | 第15-16页 |
| ·支持向量机理论研究现状 | 第16-17页 |
| ·黄土高原地区遥感影像自动分类研究现状 | 第17页 |
| ·主要研究工作 | 第17-20页 |
| ·研究对象 | 第17页 |
| ·研究内容 | 第17-18页 |
| ·研究技术路线 | 第18页 |
| ·研究数据 | 第18-19页 |
| ·研究所使用的软件平台 | 第19-20页 |
| ·论文组织 | 第20-21页 |
| 第二章 支持向量机的理论基础 | 第21-30页 |
| ·统计学习理论简介 | 第21-24页 |
| ·VC 维(Vapnik-Chervernonkis)概念 | 第21-22页 |
| ·推广性的界的概念 | 第22-23页 |
| ·结构风险最小化原则SRM | 第23-24页 |
| ·支持向量机理论(SVM)简介 | 第24-30页 |
| ·最优超平面 | 第24-28页 |
| ·核函数 | 第28-30页 |
| 第三章 研究区域 | 第30-34页 |
| ·研究区域概况 | 第30页 |
| ·研究区自然条件 | 第30页 |
| ·研究区土地利用现状 | 第30页 |
| ·研究区域遥感影像特征 | 第30-31页 |
| ·遥感影像特征 | 第30-31页 |
| ·黄土高原复杂地区遥感影像特征 | 第31页 |
| ·研究区域遥感影像资料 | 第31-34页 |
| ·卫星遥感资料 | 第31-32页 |
| ·辅助数据资料 | 第32-34页 |
| 第四章 研究区域遥感影像分类前处理 | 第34-47页 |
| ·波段选择 | 第34-37页 |
| ·特征提取 | 第37页 |
| ·光谱特征提取 | 第37-45页 |
| ·主成分分析（PCA） | 第38-40页 |
| ·最小噪声分离变换（Minimum Noise Fraction,MNF） | 第40-44页 |
| ·归一化植被指数 | 第44-45页 |
| ·特征波段叠加后生成新的图像 | 第45-47页 |
| 第五章 遥感影像分类 | 第47-61页 |
| ·分类流程 | 第47-48页 |
| ·训练样本 | 第48-51页 |
| ·在选择样本的基础上进行分类 | 第51-52页 |
| ·最大似然方法分类 | 第51页 |
| ·支持向量机分类 | 第51-52页 |
| ·实验过程 | 第52-56页 |
| ·基于光谱多源信息和辅助信息的最大似然方法图像分类 | 第52-54页 |
| ·基于光谱单源信息的SVM 图像分类 | 第54-56页 |
| ·分类后期处理 | 第56页 |
| ·分类结果分析 | 第56-61页 |
| ·分类精度评价指标 | 第56-58页 |
| ·分类精度评价 | 第58-61页 |
| 第六章 结论与展望 | 第61-62页 |
| ·结论 | 第61页 |
| ·今后工作展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 个人简介 | 第68页 |
