神经网络及模糊算法的遥感数据分类研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·课题背景和选择依据 | 第8-9页 |
| ·遥感影像分类的发展和现状 | 第9-12页 |
| ·按照分类时被分像元的纯净程度 | 第10页 |
| ·按照分类的对象 | 第10-12页 |
| ·国内外的研究动态及发展趋势 | 第12-14页 |
| ·遥感信息处理技术的发展 | 第12-13页 |
| ·模式识别在遥感图像信息处理中的应用 | 第13-14页 |
| ·本文研究内容 | 第14-15页 |
| 2 遥感图像的分类基本原理和方法 | 第15-20页 |
| ·遥感图像分类的基本原理 | 第15-16页 |
| ·遥感图像分类的传统方法 | 第16-18页 |
| ·遥感图像分类的误差与精度评价 | 第18-20页 |
| 3 神经网络分类方法 | 第20-41页 |
| ·神经网络基本原理和方法 | 第20-21页 |
| ·自组织特征映射神经网络分类方法 | 第21-29页 |
| ·自组织特征映射神经网络原理 | 第22-23页 |
| ·自组织特征映射神经网络算法 | 第23-25页 |
| ·自组织特征映射神经网络分类的实例 | 第25-29页 |
| ·BP 神经网络分类方法 | 第29-33页 |
| ·BP 学习算法原理 | 第29-31页 |
| ·BP 算法编程步骤 | 第31页 |
| ·改进的BP 算法 | 第31-33页 |
| ·遥感数据分类实验及分析 | 第33-41页 |
| ·实验数据的准备 | 第33-35页 |
| ·BP 方法分类实例 | 第35-39页 |
| ·分类精度评价 | 第39-41页 |
| 4 模糊理论和聚类分析在分类中的应用 | 第41-49页 |
| ·模糊理论的基本概念 | 第41-44页 |
| ·模糊理论的产生和发展 | 第41-42页 |
| ·模糊集合和隶属度的概念 | 第42-43页 |
| ·模糊关系 | 第43-44页 |
| ·模糊集理论在模式识别中的应用 | 第44-46页 |
| ·隶属度原则和择近原则 | 第44-45页 |
| ·基于模糊等价关系的模式分类 | 第45-46页 |
| ·聚类分析在分类中的应用 | 第46-49页 |
| ·聚类分析在分类中的应用 | 第46-47页 |
| ·硬聚类和硬C-均值聚类算法 | 第47-49页 |
| 5 模糊算法对遥感图像分类 | 第49-55页 |
| ·模糊C-均值聚类算法 | 第49-51页 |
| ·实验数据的准备 | 第51-52页 |
| ·实验结果 | 第52-55页 |
| 6 结论 | 第55-57页 |
| ·结论 | 第55页 |
| ·展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61页 |
