| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 导言 | 第10-16页 |
| ·研究的选题背景 | 第10页 |
| ·国内外研究进展 | 第10-12页 |
| ·研究的基本思路 | 第12-13页 |
| ·方法模型和技术路线 | 第13页 |
| ·研究的意义与创新之处 | 第13-16页 |
| 第二章 城市土地利用时空数据库的构建 | 第16-20页 |
| ·研究样本和数据来源 | 第16页 |
| ·SPOT卫星影像的图像增强 | 第16页 |
| ·土地利用类型分类及编码 | 第16-17页 |
| ·城市土地利用时空数据库设计 | 第17-20页 |
| ·空间数据输入--SPOT影像数字化 | 第18-19页 |
| ·属性数据输入--土地利用属性录入 | 第19-20页 |
| 第三章 城市土地利用结构的分形研究 | 第20-35页 |
| ·上海市中心城区土地利用概况 | 第20-21页 |
| ·分形理论简介 | 第21-24页 |
| ·分形定义 | 第22页 |
| ·分维计算 | 第22-24页 |
| ·城市土地利用结构的分形模型 | 第24-27页 |
| ·城市土地利用结构的边界维数 | 第24-25页 |
| ·城市土地利用结构的面积维数 | 第25页 |
| ·城市土地利用结构的信息维数 | 第25-27页 |
| ·2002年上海市中心城区土地利用结构的分形模拟与结果分析 | 第27-33页 |
| ·2002年上海市中心城区土地利用结构的边界维数 | 第27-29页 |
| ·2002年上海市中心城区土地利用结构的半径维数 | 第29-31页 |
| ·2002年上海市中心城区土地利用结构的信息维数 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 城市土地利用变化的SOM神经网络聚类 | 第35-50页 |
| ·SOM神经网络的基本原理 | 第35-37页 |
| ·SOM网络的结构 | 第35页 |
| ·SOM网络的学习算法 | 第35-36页 |
| ·SOM网络的学习步骤 | 第36-37页 |
| ·城市土地利用变化的SOM网络模型的建立 | 第37-40页 |
| ·SOM网络模型的数据预处理 | 第37-40页 |
| ·SOM网络模型的结构设计及参数设置 | 第40页 |
| ·2002年上海市中心城区土地利用变化的聚类结果及分析 | 第40-50页 |
| ·SOM网络的聚类结果 | 第40-46页 |
| ·样区土地利用变化模式的分析 | 第46-49页 |
| ·模型的讨论 | 第49-50页 |
| 第五章 基于CA的城市土地利用神经网络模拟预测 | 第50-71页 |
| ·元胞自动机理论简介 | 第50-53页 |
| ·元胞自动机的定义 | 第50-51页 |
| ·元胞自动机的组成 | 第51-52页 |
| ·元胞自动机的特性 | 第52-53页 |
| ·学习矢量量神经网络 | 第53-54页 |
| ·LVQ网络的结构 | 第53-54页 |
| ·LVQ网络的学习算法 | 第54页 |
| ·LVQ网络的学习步骤 | 第54页 |
| ·基于CA的城市土地利用神经网络预测模型设计 | 第54-55页 |
| ·土地利用元胞时空数据库的构建 | 第55-62页 |
| ·样区的选取与划定 | 第55-56页 |
| ·土地利用元胞的定义 | 第56-58页 |
| ·输入数据表和目标数据表的结构定义 | 第58页 |
| ·元胞样本子数据库的生成 | 第58-59页 |
| ·训练子数据库、验证子数据库和预测子数据库的生成 | 第59-62页 |
| ·人工神经网络的动态模拟预测 | 第62-63页 |
| ·人工神经网络的训练、验证和预测过程 | 第62页 |
| ·LVQ神经网络的网络结构及参数设置 | 第62-63页 |
| ·LCA-ANN模型预测结果及模型评价 | 第63-71页 |
| ·2006年样区土地利用结构的预测结果 | 第63-69页 |
| ·对LCA-ANN模型的讨论 | 第69-71页 |
| 第六章 总结与讨论 | 第71-73页 |
| ·研究结果总结 | 第71-72页 |
| ·模型的讨论与展望 | 第72-73页 |
| 附录 | 第73-81页 |
| 参考文献 | 第81-85页 |
| 致谢 | 第85页 |