| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-15页 |
| ·课题背景及意义 | 第8-9页 |
| ·国内外研究发展与现状 | 第9-13页 |
| ·POLSAR 图像监督分类的国内外研究发展及现状 | 第9-11页 |
| ·POLSAR 图像非监督分类的国内外研究发展及现状 | 第11-13页 |
| ·论文主要内容及结构安排 | 第13-15页 |
| 第2章 基于LAGA 的并行式多准则特征选择 | 第15-28页 |
| ·POLSAR 图像的特征提取 | 第15-19页 |
| ·基于简单代数运算的特征 | 第16页 |
| ·极化目标相似性参数 | 第16-17页 |
| ·基于目标分解的特征 | 第17-19页 |
| ·基于极化总功率的纹理特征 | 第19页 |
| ·基于LAGA 的并行式多准则特征选择算法 | 第19-27页 |
| ·链式竞争策略的智能体遗传算法 | 第20-22页 |
| ·基于LAGA 的单准则特征选择算法原理 | 第22-24页 |
| ·基于LAGA 的并行式多准则特征选择算法原理 | 第24-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于量子克隆进化算法的BP 神经网络分类 | 第28-39页 |
| ·量子算法 | 第28-30页 |
| ·量子比特 | 第28-29页 |
| ·量子并行计算 | 第29-30页 |
| ·遗传算法与克隆算子 | 第30-32页 |
| ·遗传算法 | 第30-31页 |
| ·克隆算子 | 第31-32页 |
| ·量子克隆进化算法原理及基本流程 | 第32-34页 |
| ·量子克隆进化算法的原理 | 第32-33页 |
| ·量子克隆进化算法的基本流程 | 第33-34页 |
| ·基于量子克隆进化算法的BP 神经网络分类原理 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 实验结果及分类算法性能分析 | 第39-54页 |
| ·POLSAR 图像的特征提取结果 | 第40-43页 |
| ·POLSAR 图像的基于LAGA 的并行式多准则特征选择结果 | 第43-44页 |
| ·POLSAR 图像的分类器参数设置和实验结果 | 第44-47页 |
| ·分类器参数设置 | 第44-45页 |
| ·量子克隆进化算法的收敛曲线 | 第45-46页 |
| ·分类结果及精度分析 | 第46-47页 |
| ·分类器的性能分析 | 第47-53页 |
| ·基于遗传算法优化的BP 神经网络分类器的分类结果 | 第48-49页 |
| ·支持向量机的分类结果 | 第49页 |
| ·最大似然分类器的分类结果 | 第49-51页 |
| ·分类器的性能综合分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读学位期间发表的学术论文 | 第60-62页 |
| 致谢 | 第62页 |
