| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第7-11页 |
| ·引言 | 第7-8页 |
| ·遥感图像分类研究现状 | 第8页 |
| ·支持向量机理论研究现状 | 第8-9页 |
| ·模糊理论简介 | 第9页 |
| ·本文的主要工作 | 第9-10页 |
| ·本文的章节安排 | 第10-11页 |
| 2 支持向量机及其改进算法在遥感图像分类中的应用 | 第11-29页 |
| ·统计学习理论 | 第11-16页 |
| ·支持向量机理论 | 第16-24页 |
| ·SVM 改进算法在遥感图像分类中应用 | 第24-29页 |
| 3 支持向量机结合模糊理论在遥感图像分类中的应用 | 第29-40页 |
| ·模糊理论及其在遥感图像分类中的应用 | 第29-32页 |
| ·模糊支持向量机在遥感图像分类中的应用 | 第32-40页 |
| 4 改进的模糊支持向量机算法在遥感图像分类中的应用 | 第40-46页 |
| ·引入模糊因子的模糊支持向量机训练算法简介 | 第40-41页 |
| ·改进模糊因子的模糊支持向量机训练算法介绍 | 第41-42页 |
| ·改进的模糊支持向量机算法及其在遥感图像分类中的应用 | 第42-45页 |
| ·实验结果分析 | 第45-46页 |
| 5 模糊支持向量机结合决策树方法在遥感图像分类中应用 | 第46-52页 |
| ·二叉决策树SVM 多类分类器在IRIS 数据集上的实验 | 第46-48页 |
| ·二叉决策树SVM 多类分类器在遥感数据集上的实验 | 第48-51页 |
| ·二叉决策树边缘效应训练算法SVM 多类分类器在遥感数据集上的实验 | 第51-52页 |
| 6 结论与展望 | 第52-54页 |
| ·本文工作总结 | 第52-53页 |
| ·今后工作展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录A 硕士期间发表论文 | 第59页 |
