中文摘要 | 第1-5页 |
Abstract | 第5-11页 |
第1章 绪论 | 第11-15页 |
·自动分类研究背景现状 | 第11页 |
·当前树木分类识别及其自动化研究 | 第11-12页 |
·贝叶斯学习在冬态树木分类中的应用 | 第12-13页 |
·研究内容和意义 | 第13页 |
·本文的组织 | 第13-15页 |
第2章 贝叶斯学习的基础理论 | 第15-24页 |
·贝叶斯学习 | 第15-16页 |
·贝叶斯学习的优点 | 第15-16页 |
·贝叶斯学习的应用 | 第16页 |
·朴素贝叶斯学习模型 | 第16页 |
·贝叶斯网络 | 第16-20页 |
·贝叶斯网络的表示、学习和推理 | 第18页 |
·贝叶斯网络的构造 | 第18-19页 |
·贝叶斯网络的应用 | 第19-20页 |
·朴素贝叶斯分类器 | 第20-22页 |
·本章小结 | 第22-24页 |
第3章 树木及其冬态树木的分类 | 第24-32页 |
·树木分类 | 第24-26页 |
·树木分类概述 | 第24页 |
·树木分类等级 | 第24-25页 |
·树木分类的形式化描述 | 第25页 |
·树木分类的系统框架 | 第25-26页 |
·树木的冬态 | 第26-27页 |
·落叶树和常绿树 | 第26-27页 |
·树木的冬态 | 第27页 |
·冬态树木的分类 | 第27页 |
·计算机技术在树木分类中的应用 | 第27-28页 |
·贝叶斯在树木分类中的应用 | 第28页 |
·训练集,测试集以及验证集 | 第28-29页 |
·分类有效性的度量 | 第29-31页 |
·涉及的主要概念 | 第29-30页 |
·精度(PRECISION) | 第30页 |
·宏观平均精度(MACRO-AVERAGED PRECISION) | 第30页 |
·微观平均精度(MICRO-AVERAGED PRECISION) | 第30页 |
·三种评价标准的比较 | 第30-31页 |
·本章小结 | 第31-32页 |
第4章 基于贝叶斯的冬态树木分类系统的设计 | 第32-56页 |
·树木分类的考虑因素 | 第32-34页 |
·树形 | 第32-33页 |
·树枝 | 第33页 |
·树皮 | 第33页 |
·叶痕 | 第33页 |
·叶迹 | 第33-34页 |
·芽 | 第34页 |
·树木描述文件的分析与设计 | 第34-37页 |
·树木颜色的描述分析与设计 | 第37-39页 |
·颜色的表示 | 第38页 |
·颜色距离计算 | 第38页 |
·颜色相似度的计算 | 第38-39页 |
·树木特征相似度的计算 | 第39-51页 |
·树木形状相似度的计算 | 第40-43页 |
·树枝相似度的计算 | 第43-45页 |
·树皮相似度的计算 | 第45页 |
·冬芽相似度的计算 | 第45-48页 |
·顶芽相似度的计算 | 第46-47页 |
·侧芽相似度的计算 | 第47-48页 |
·叶痕相似度的计算 | 第48-50页 |
·叶迹相似度的计算 | 第50-51页 |
·冬态树木的种层次贝叶斯分类器的设计 | 第51页 |
·树木的分类层次 | 第51-53页 |
·冬态树木的属层次贝叶斯分类器的设计 | 第52-53页 |
·冬态树木的科层次贝叶斯分类器的设计 | 第53页 |
·特征权重参数的贝叶斯学习 | 第53-55页 |
·本章小结 | 第55-56页 |
第5章 基于贝叶斯的冬态树木分类系统的实现和运行 | 第56-63页 |
·参数的配置 | 第56页 |
·树木的浏览 | 第56-57页 |
·树木特征颜色的设置 | 第57-58页 |
·颜色相似度的计算 | 第58页 |
·树木的特征的设置 | 第58-59页 |
·冬态树木分类 | 第59-60页 |
·批量分类 | 第60页 |
·分类器的评估 | 第60-61页 |
·特征参数的贝叶斯学习 | 第61-62页 |
·本章小结 | 第62-63页 |
第6章 实验及相关问题的讨论 | 第63-66页 |
·封闭测试 | 第63-64页 |
·开放测试 | 第64-66页 |
第7章 总结与展望 | 第66-68页 |
·总结 | 第66-67页 |
·展望 | 第67-68页 |
参考文献 | 第68-70页 |
攻读学位期间公开发表的论文 | 第70-71页 |
致谢 | 第71-72页 |
附录1 一个HPF 的例子 | 第72-74页 |
附录2 部分核心功能的代码 | 第74-84页 |
附录3 封闭测试分类结果 | 第84-93页 |
附录4 开放测试分类结果 | 第93-102页 |