基于决策树的面向对象分类方法研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-12页 |
| 1 绪论 | 第12-20页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外研究现状及发展 | 第13-16页 |
| ·基于像元的分类方法 | 第13-14页 |
| ·面向对象的分类方法 | 第14-16页 |
| ·研究内容、目的和方法 | 第16-20页 |
| ·课题来源 | 第16页 |
| ·研究目的 | 第16页 |
| ·研究内容及创新点 | 第16-18页 |
| ·研究方法 | 第18-20页 |
| 2 遥感影像分类方法 | 第20-27页 |
| ·现有主要的几种分类方法 | 第20-24页 |
| ·监督分类方法 | 第20-22页 |
| ·非监督分类方法 | 第22-23页 |
| ·人工神经网络分类方法 | 第23-24页 |
| ·模糊分类方法 | 第24页 |
| ·现有分类方法的局限性 | 第24-25页 |
| ·决策树分类方法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于决策树的面向对象分类关键技术 | 第27-39页 |
| ·影像分割理论 | 第27-29页 |
| ·多尺度分割理论 | 第27-28页 |
| ·常规分割理论 | 第28-29页 |
| ·遥感影像对象特征提取 | 第29-33页 |
| ·决策树分类方法 | 第33-38页 |
| ·ID3 算法 | 第33-34页 |
| ·C4.5 算法 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于决策树的面向对象分类方法的设计与实现 | 第39-50页 |
| ·技术流程 | 第39页 |
| ·遥感影像预处理 | 第39-42页 |
| ·影像融合 | 第40-41页 |
| ·几何纠正 | 第41-42页 |
| ·影像分割与特征提取 | 第42-43页 |
| ·影像分割 | 第42页 |
| ·特征提取 | 第42-43页 |
| ·基于 C4.5 算法的面向对象分类 | 第43-46页 |
| ·建立决策树 | 第43-44页 |
| ·面向对象分类 | 第44-46页 |
| ·决策树编辑器的设计与实现 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 5 遥感影像分类应用实例分析 | 第50-67页 |
| ·实验数据 | 第50-51页 |
| ·影像分割与特征提取 | 第51-54页 |
| ·影像分割 | 第51-52页 |
| ·特征提取 | 第52-54页 |
| ·决策树建立 | 第54-58页 |
| ·样本选择 | 第54-56页 |
| ·建立决策树 | 第56-58页 |
| ·基于 C4.5 算法的面向对象分类 | 第58-60页 |
| ·分类对比实验 | 第60-66页 |
| ·分类精度指标 | 第60-62页 |
| ·分类对比实验 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 6 结论与展望 | 第67-69页 |
| ·结论 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 作者简历 | 第72-74页 |
| 学位论文数据集 | 第74-75页 |
