基于SOM神经网络算法的地图建筑物聚类
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.3 课题研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-18页 |
| 第二章 SOM算法对建筑物聚类的实现 | 第18-27页 |
| 2.1 SOM神经网络算法 | 第18-22页 |
| 2.1.1 SOM神经网络算法结构 | 第18-19页 |
| 2.1.2 SOM算法规则 | 第19-20页 |
| 2.1.3 SOM算法在建筑物聚类的应用 | 第20-22页 |
| 2.2 基于建筑物重心坐标因子的聚类实现 | 第22-23页 |
| 2.2.1 建筑物数据预处理 | 第22页 |
| 2.2.2 SOM神经网络参数设置 | 第22-23页 |
| 2.3 SOM算法的地图建筑物聚类实验 | 第23-26页 |
| 2.3.1 聚类实验环境配置 | 第23页 |
| 2.3.2 实验一 | 第23-25页 |
| 2.3.3 实验二 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 建筑物因子介绍及相关实验 | 第27-52页 |
| 3.1 建筑物因子定义及介绍 | 第27-33页 |
| 3.2 建筑物因子聚类实验 | 第33-35页 |
| 3.2.1 建筑物因子实验流程 | 第33-34页 |
| 3.2.2 实验实现具体方法 | 第34-35页 |
| 3.3 实验结果及分析 | 第35-51页 |
| 3.3.1 单幅地图实验 | 第36-44页 |
| 3.3.2 多幅地图实验 | 第44-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第四章 主成分分析分析及复合因子选取 | 第52-65页 |
| 4.1 全部因子的选取 | 第52-58页 |
| 4.1.1 PCA原理及步骤 | 第53-54页 |
| 4.1.2 建筑物聚类复合因子 | 第54-58页 |
| 4.2 复合因子解释 | 第58-60页 |
| 4.3 多幅地图复合因子对比 | 第60-63页 |
| 4.4 本章小结 | 第63-65页 |
| 第五章 建筑物因子综合实验 | 第65-73页 |
| 5.1 复合因子实验结果及分析 | 第65-68页 |
| 5.1.1 基于复合因子实验 | 第65-66页 |
| 5.1.2 实验结果及对比 | 第66-68页 |
| 5.2 基于高程数据的三维建筑物聚类实验 | 第68-72页 |
| 5.2.1 基于高程数据的实验 | 第69-71页 |
| 5.2.2 实验结果及对比 | 第71-72页 |
| 5.3 本章小结 | 第72-73页 |
| 第六章 结论与展望 | 第73-75页 |
| 6.1 结论 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 在学期间研究成果 | 第80-81页 |
