基于决策树的土地利用现状信息提取研究
| 目录 | 第1-7页 |
| 表目录 | 第7-8页 |
| 图目录 | 第8-9页 |
| Catalogue of Tables | 第9-11页 |
| Catalogue of Figures | 第11-12页 |
| 摘要 | 第12-14页 |
| Abstract | 第14-16页 |
| 第一章 引言 | 第16-25页 |
| ·土地利用信息提取方法的研究进展 | 第16-20页 |
| ·基于决策树的土地利用信息提取方法的研究进展 | 第20-22页 |
| ·国外的应用和研究动态 | 第20-21页 |
| ·国内的应用和研究动态 | 第21-22页 |
| ·本项研究工作目的和意义 | 第22-24页 |
| ·项目来源 | 第24-25页 |
| 第二章 决策树理论与方法 | 第25-37页 |
| ·决策树基本算法 | 第25-30页 |
| ·基本概念 | 第25-26页 |
| ·决策树的生成 | 第26页 |
| ·属性的度量方法 | 第26-28页 |
| ·信息增益 | 第27页 |
| ·基尼指数 | 第27-28页 |
| ·决策树的修剪 | 第28-29页 |
| ·预剪枝 | 第28-29页 |
| ·后剪枝 | 第29页 |
| ·决策树产生决策规则 | 第29-30页 |
| ·常用的决策树算法 | 第30-33页 |
| ·CLS算法 | 第30页 |
| ·ID3算法 | 第30-31页 |
| ·CART算法 | 第31-32页 |
| ·SLIQ算法 | 第32-33页 |
| ·SPRINT算法 | 第33页 |
| ·决策树C4.5算法和C5.0算法 | 第33-37页 |
| ·C4.5决策树的生成 | 第33-34页 |
| ·C4.5和C5.0决策树的修剪 | 第34-35页 |
| ·C4.5决策树的规则生成 | 第35页 |
| ·C5.0的boosting | 第35页 |
| ·C4.5与C5.0比较 | 第35-37页 |
| 第三章 试验区概况以及研究内容、技术路线 | 第37-40页 |
| ·试验区概况 | 第37-38页 |
| ·研究内容 | 第38页 |
| ·技术路线 | 第38-40页 |
| 第四章 数据获取和处理 | 第40-59页 |
| ·数据获取 | 第40页 |
| ·影像处理 | 第40-42页 |
| ·影像几何校正 | 第40-41页 |
| ·影像切割 | 第41-42页 |
| ·特征选择和提取 | 第42-49页 |
| ·光谱特征分析和提取 | 第42-45页 |
| ·归一化植被指数提取 | 第45-47页 |
| ·纹理信息提取 | 第47-49页 |
| ·地形特征提取 | 第49-51页 |
| ·高程数据分级 | 第49-50页 |
| ·坡度数据分级 | 第50-51页 |
| ·分类类型确定 | 第51页 |
| ·样本区选取 | 第51-56页 |
| ·采样方案的设计 | 第51-54页 |
| ·总样本区的选取 | 第54页 |
| ·训练样本数和测试样本数的划分 | 第54-56页 |
| ·数据集叠合和决策树训练样本的构成 | 第56-58页 |
| ·决策树整个研究区样本的构成 | 第58-59页 |
| 第五章 土地利用类型自动分类研究 | 第59-85页 |
| ·基于See5.0算法的自动分类 | 第59-78页 |
| ·决策树生成 | 第59-68页 |
| ·特征数据和采样标准的敏感性分析 | 第60-67页 |
| ·样本数敏感性分析 | 第67-68页 |
| ·决策树结构与修剪 | 第68-71页 |
| ·决策树规则 | 第71-74页 |
| ·boosting优化 | 第74-75页 |
| ·分类结果输出 | 第75-78页 |
| ·监督分类 | 第78页 |
| ·分类精度评价 | 第78-85页 |
| ·分类精度评价指标 | 第79-80页 |
| ·分类精度评价 | 第80-82页 |
| ·面积精度评价 | 第82-85页 |
| 第六章 总结 | 第85-88页 |
| 参考文献(reference) | 第88-91页 |
