遥感图像分类中模糊模式识别和决策树方法的应用研究
| 摘要 | 第1-4页 |
| 英文摘要 | 第4-6页 |
| 目录 | 第6-9页 |
| 表目录 | 第9页 |
| 图目录 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景和研究意义 | 第10-11页 |
| ·遥感图像分类方法的研究现状 | 第11-13页 |
| ·研究历史及现状 | 第11-12页 |
| ·现有商用软件的现状 | 第12-13页 |
| ·选题来源 | 第13页 |
| ·本文主要工作 | 第13-14页 |
| ·论文组织结构 | 第14-15页 |
| 第二章 遥感图像分类原理与传统分类方法 | 第15-23页 |
| ·遥感图像分类原理 | 第15-17页 |
| ·目视解译分类 | 第15页 |
| ·计算机自动分类的基本原理 | 第15-17页 |
| ·遥感图像分类的传统方法 | 第17-21页 |
| ·引言 | 第17页 |
| ·传统的监督分类 | 第17-19页 |
| ·最大似然分类法 | 第17-18页 |
| ·最小距离分类法 | 第18页 |
| ·马氏距离分类法 | 第18-19页 |
| ·平行体分类法 | 第19页 |
| ·传统的非监督分类 | 第19-20页 |
| ·K均值分类法 | 第19-20页 |
| ·ISODATA分类法 | 第20页 |
| ·传统分类方法的不足 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 模糊模式识别在遥感图像分类中的应用 | 第23-36页 |
| ·引言 | 第23-24页 |
| ·模糊模式识别的基本知识 | 第24-25页 |
| ·模式和模式识别的定义 | 第24页 |
| ·直接法—对个体的识别 | 第24页 |
| ·间接法—对整体的识别 | 第24-25页 |
| ·建立隶属函数的方法 | 第25页 |
| ·贴近度 | 第25页 |
| ·模糊C均值算法 | 第25-27页 |
| ·改进的模糊C均值分类算法 | 第27-30页 |
| ·改进的基本思路 | 第27-28页 |
| ·改进后的算法步骤 | 第28-30页 |
| ·实验对比 | 第30-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 基于分层思想和知识规则的决策树分类方法 | 第36-43页 |
| ·引言 | 第36-37页 |
| ·分层思想和知识规则原理 | 第37-38页 |
| ·知识规则符号库的建立 | 第38页 |
| ·改进的决策树算法 | 第38-41页 |
| ·常用的决策树算法简介 | 第38-39页 |
| ·改进决策树算法 | 第39-40页 |
| ·改进的二叉树数据结构 | 第40-41页 |
| ·实验结果 | 第41页 |
| ·本章小结 | 第41-43页 |
| 第五章 遥感图像分类系统的设计与实现 | 第43-49页 |
| ·系统需求分析 | 第43页 |
| ·系统开发环境 | 第43页 |
| ·系统流程图 | 第43-44页 |
| ·系统模块构成 | 第44-45页 |
| ·系统用户界面设计 | 第45-47页 |
| ·系统关键技术分析 | 第47-49页 |
| ·系统输入输出 | 第47页 |
| ·系统集成与升级 | 第47-49页 |
| ·COM的优点 | 第48页 |
| ·COM对象的设计实现 | 第48-49页 |
| 第六章 结论与展望 | 第49-50页 |
| ·结论 | 第49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53页 |
