| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题背景和研究意义 | 第9-10页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 课题研究意义 | 第10页 |
| 1.2 植被研究现状 | 第10-12页 |
| 1.2.1 国内植被生长变化与气候因子的相关性研究现状 | 第10-11页 |
| 1.2.2 国外植被生长变化与气候因子的相关性研究现状 | 第11页 |
| 1.2.3 植被覆盖变化预测研究现状 | 第11-12页 |
| 1.3 支持向量机研究现状 | 第12页 |
| 1.4 本文创新点 | 第12-13页 |
| 1.5 本文的主要研究内容及章节安排 | 第13-15页 |
| 第二章 研究区概况和遥感数据 | 第15-23页 |
| 2.1 研究区概况 | 第15页 |
| 2.2 MODIS探测器特点 | 第15-17页 |
| 2.3 主要植被指数类型 | 第17-20页 |
| 2.3.1 航空遥感植被指数 | 第17-18页 |
| 2.3.2 航天遥感植被指数 | 第18-20页 |
| 2.4 本章小结 | 第20-23页 |
| 第三章 支持向量机理论 | 第23-37页 |
| 3.1 统计学习理论 | 第23-24页 |
| 3.2 支持向量机基本原理 | 第24-30页 |
| 3.2.1 支持向量机的基本概念 | 第25页 |
| 3.2.2 线性支持向量机 | 第25-27页 |
| 3.2.3 非线性支持向量机 | 第27-28页 |
| 3.2.4 支持向量机分类 | 第28-29页 |
| 3.2.5 支持向量机回归 | 第29-30页 |
| 3.3 核函数 | 第30页 |
| 3.4 支持向量机参数优化 | 第30-31页 |
| 3.4.1 参数优化的概念 | 第30-31页 |
| 3.4.2 参数优化算法的评价方式 | 第31页 |
| 3.5 优化算法 | 第31-34页 |
| 3.5.1 遗传算法 | 第31-32页 |
| 3.5.2 粒子群算法 | 第32-33页 |
| 3.5.3 改进的网格搜索寻优方法 | 第33-34页 |
| 3.6 本章小结 | 第34-37页 |
| 第四章 用支持向量机建模 | 第37-51页 |
| 4.1 实验数据来源 | 第38页 |
| 4.2 数据预处理 | 第38-39页 |
| 4.3 建立生长季各月统一预测模型 | 第39-43页 |
| 4.3.1 选择回归因子 | 第39页 |
| 4.3.2 参数的优化选择 | 第39-41页 |
| 4.3.3 利用SVM模型作拟合预测 | 第41-43页 |
| 4.4 建立生长季各月独立预测模型 | 第43-45页 |
| 4.4.1 选择回归因子 | 第43-44页 |
| 4.4.2 参数的优化选择 | 第44-45页 |
| 4.4.3 利用SVM模型作拟合预测 | 第45页 |
| 4.5 建立组合预测模型 | 第45-47页 |
| 4.6 实验结果分析 | 第47-48页 |
| 4.7 本章小结 | 第48-51页 |
| 第五章 结论 | 第51-53页 |
| 5.1 研究工作总结 | 第51页 |
| 5.2 研究局限和展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读学位期间所取得的相关科研成果 | 第57-59页 |
| 致谢 | 第59-61页 |