| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究图像分类的背景及意义 | 第9页 |
| ·图像分类技术的发展与应用 | 第9-11页 |
| ·模糊处理理论在图像分类中的应用 | 第11-13页 |
| ·论文的主要内容和章节安排 | 第13-15页 |
| 第二章 常用的图像分类算法 | 第15-31页 |
| ·引言 | 第15页 |
| ·支持向量机分类法 | 第15-18页 |
| ·线性可分 | 第15-17页 |
| ·线性不可分 | 第17-18页 |
| ·神经网络图像分类方法 | 第18-25页 |
| ·BP 神经网络分类法 | 第20-22页 |
| ·RBF 函数神经网络分类法 | 第22-25页 |
| ·模糊分类法 | 第25-26页 |
| ·模糊神经网络法 | 第26-28页 |
| ·本章小结 | 第28-31页 |
| 第三章 基于正负模糊系统的图像分类 | 第31-41页 |
| ·引言 | 第31页 |
| ·正负模糊规则 | 第31-33页 |
| ·模糊神经网络的组成与设计 | 第33-37页 |
| ·模糊神经网络的结构 | 第33-34页 |
| ·该模糊神经网络的参数学习 | 第34-37页 |
| ·实验结果及分析 | 第37-40页 |
| ·遥感图像分类 | 第37-38页 |
| ·自然图像分类 | 第38-40页 |
| ·结束语 | 第40-41页 |
| 第四章 正负模糊规则系统、极限学习机(ELM)与图像分类 | 第41-53页 |
| ·引言 | 第41-42页 |
| ·正负模糊规则系统 | 第42页 |
| ·极限学习机（ELM） | 第42-45页 |
| ·单隐层前反馈神经网络 | 第42-45页 |
| ·极限学习机（ELM）学习算法 | 第45页 |
| ·基于极限学习机(ELM)的正负模糊规则系统的图像分类 | 第45-48页 |
| ·实验结果及分析 | 第48-52页 |
| ·遥感图像分类 | 第48-49页 |
| ·自然图像分类 | 第49-52页 |
| ·结束语 | 第52-53页 |
| 第五章 岭回归的正负模糊系统的极速图像分类 | 第53-65页 |
| ·引言 | 第53页 |
| ·隐含特征空间岭回归（HFSR） | 第53-57页 |
| ·极限学习机（ELM） | 第53-55页 |
| ·隐含特征空间岭回归（HFSR） | 第55-57页 |
| ·基于HFSR 的正负模糊规则系统的极速图像分类 | 第57-59页 |
| ·实验结果及分析 | 第59-64页 |
| ·遥感图像分类 | 第59-61页 |
| ·自然图像分类 | 第61-64页 |
| ·结束语 | 第64-65页 |
| 第六章 总结与展望 | 第65-66页 |
| ·论文工作总结 | 第65页 |
| ·未来工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第71页 |