数字遥感图像解译分类方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-15页 |
| ·课题研究背景 | 第10-13页 |
| ·课题研究现状及意义 | 第13-14页 |
| ·课题主要工作 | 第14-15页 |
| ·论文的组织和结构 | 第15页 |
| 2 数字遥感图像分类技术 | 第15-25页 |
| ·数字遥感图像分类的定义 | 第15-16页 |
| ·数字遥感图像分类的功能和任务 | 第16-18页 |
| ·数字遥感图像的数据结构 | 第18-20页 |
| ·数字遥感图像的分类现状以及趋势 | 第20-22页 |
| ·数字遥感图像的主要分类方法 | 第22-24页 |
| ·小结 | 第24-25页 |
| 3 聚类分析技术 | 第25-36页 |
| ·聚类分析的定义 | 第25-26页 |
| ·聚类分析的数据基础 | 第26-30页 |
| ·数据属性 | 第26页 |
| ·聚类分析的数据结构 | 第26-27页 |
| ·不同变量的相异度计算方式 | 第27-30页 |
| ·区间标度变量 | 第27-28页 |
| ·二元变量 | 第28-29页 |
| ·标称变量 | 第29页 |
| ·混合类型变量 | 第29-30页 |
| ·典型的几类聚类算法 | 第30-35页 |
| ·基于划分的方法 | 第31-32页 |
| ·基于层次的方法 | 第32-34页 |
| ·基于密度的方法 | 第34页 |
| ·基于网格的方法 | 第34-35页 |
| ·基于模型的方法 | 第35页 |
| ·小结 | 第35-36页 |
| 4 基于密度和自适应密度可达聚类算法（CADD） | 第36-41页 |
| ·CADD 算法设计 | 第36-38页 |
| ·CADD 算法的实现和优化 | 第38-40页 |
| ·小结 | 第40-41页 |
| 5 增量聚类算设计以及在数字遥感图像分类中的应用 | 第41-51页 |
| ·增量聚类定义 | 第41页 |
| ·基于密度可达的增量聚类算法的设计与实现 | 第41-43页 |
| ·CADD 算法特点 | 第41-42页 |
| ·ICADD 算法及其流程 | 第42-43页 |
| ·基于子簇特征的增量聚类算法的设计与实现 | 第43-50页 |
| ·ICSCF 算法设计 | 第43-44页 |
| ·子簇的相似度判定 | 第44-46页 |
| ·ICSCF 算法设计 | 第46页 |
| ·实验分析 | 第46-50页 |
| ·小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 在学研究成果 | 第56-57页 |
| 致谢 | 第57页 |
