基于SVM与多源数据融合的土地利用分类
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 概论 | 第10-15页 |
| ·选题的意义 | 第10-11页 |
| ·国内外研究遥感影像分类技术的研究现状 | 第11-13页 |
| ·本文的主要研究内容 | 第13-15页 |
| 2 遥感影像数据特点及其主要分类方法 | 第15-23页 |
| ·遥感影像数据的特点 | 第15-17页 |
| ·地物光谱特征 | 第15-16页 |
| ·地物空间特征 | 第16页 |
| ·地物时间特征 | 第16-17页 |
| ·遥感影像分类 | 第17-20页 |
| ·遥感数据的模式理解 | 第17-18页 |
| ·特征提取 | 第18-19页 |
| ·遥感影像的分类 | 第19-20页 |
| ·遥感影像的分类方法 | 第20-23页 |
| ·基本分类方法 | 第20页 |
| ·监督分类的一般描述 | 第20-23页 |
| 3 支持向量机及其理论基础 | 第23-37页 |
| ·机器学习 | 第23-26页 |
| ·模式识别问题 | 第24页 |
| ·经验风险最小化 | 第24-25页 |
| ·复杂性和推广能力 | 第25-26页 |
| ·统计学习理论 | 第26-28页 |
| ·VC 维 | 第26页 |
| ·推广性的界 | 第26-27页 |
| ·结构风险最小化 | 第27-28页 |
| ·支持向量机 | 第28-33页 |
| ·线性分类学习机 | 第29页 |
| ·最优分类超平面 | 第29-32页 |
| ·支持向量机 | 第32-33页 |
| ·核函数及模型选择 | 第33-37页 |
| ·核函数 | 第33-35页 |
| ·模型选择 | 第35-37页 |
| 4 TM 数据及其SVM 分类 | 第37-47页 |
| ·TM 数据介绍 | 第37-38页 |
| ·分类特征提取 | 第38-40页 |
| ·光谱波段选择 | 第38-40页 |
| ·植被指数提取 | 第40页 |
| ·TM 影像分类的具体实现 | 第40-46页 |
| ·分类特征提取 | 第41页 |
| ·样本选取及数据标准化 | 第41-42页 |
| ·核函数与参数选择 | 第42页 |
| ·实验和结果分析 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 5 多源遥感数据融合及其SVM 分类 | 第47-58页 |
| ·多源影像数据融合 | 第47-51页 |
| ·数据融合基本理论 | 第47-48页 |
| ·图像预处理 | 第48-49页 |
| ·数据融合处理 | 第49-50页 |
| ·融合图像质量评价 | 第50-51页 |
| ·TM 影像与SPOT 影像融合实验 | 第51-56页 |
| ·SPOT 数据介绍 | 第51-52页 |
| ·TM 影像与SPOT 影像的融合 | 第52-55页 |
| ·融合后的效果评价 | 第55-56页 |
| ·融合后SVM 分类实验 | 第56-58页 |
| ·分类实验 | 第56页 |
| ·结果分析 | 第56-58页 |
| 6 结束语 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 附录1 研究生期间发表论文情况 | 第65页 |
