| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究目的和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·无监督分类 | 第9-10页 |
| ·有监督分类 | 第10页 |
| ·人工神经网络 | 第10-11页 |
| ·论文的组织结构 | 第11-13页 |
| 第2章 气象卫星与卫星云图 | 第13-22页 |
| ·气象卫星概述 | 第13-14页 |
| ·卫星云图概述 | 第14-17页 |
| ·本实验所使用的卫星云图 | 第17-21页 |
| ·无监督分类标称投影数据集产品的 HDF 文件格式简介 | 第18-19页 |
| ·标称投影数据集产品（NOM）的内容 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 云图分类理论基础 | 第22-31页 |
| ·云的种类 | 第22-24页 |
| ·云的判据 | 第24-26页 |
| ·遥感云图分类的一般流程 | 第26-29页 |
| ·样本采集 | 第26-27页 |
| ·特征提取 | 第27-28页 |
| ·分类器训练 | 第28-29页 |
| ·分类判决 | 第29页 |
| ·评价分类器 | 第29页 |
| ·云分类中的特征提取 | 第29-30页 |
| ·光谱特征 | 第29-30页 |
| ·纹理特性和形状特征 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第4章 基于极限学习机的云分类 | 第31-44页 |
| ·极限学习机原理 | 第31-35页 |
| ·单隐藏层前馈神经网络的统一模型 | 第31-33页 |
| ·ELM 算法 | 第33-35页 |
| ·ELM 分类结果及分析 | 第35-41页 |
| ·ELM 用于云分类存在的问题 | 第41-42页 |
| ·ELM 的研究现状 | 第42页 |
| ·本章小结 | 第42-44页 |
| 第5章 基于支持向量机的云分类 | 第44-53页 |
| ·支持向量机原理 | 第44-48页 |
| ·SVM 参数设置 | 第48页 |
| ·SVM 分类结果及分析 | 第48-50页 |
| ·ELM 和 SVM 分类结果对比 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| ·论文的总结 | 第53页 |
| ·进一步研究方向 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 发表论文及参加科研情况说明 | 第59-60页 |
| 致谢 | 第60-61页 |