粗集约简的神经网络集成在遥感影像分类中的应用
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-11页 |
| 1 绪论 | 第11-17页 |
| ·研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-15页 |
| ·研究内容 | 第15页 |
| ·研究的方法与技术路线 | 第15-17页 |
| 2 粗糙集理论基础 | 第17-26页 |
| ·引言 | 第17页 |
| ·粗糙集的基本概念 | 第17-24页 |
| ·粗糙集定义与不可分辨关系 | 第17-19页 |
| ·粗糙集的上、下近似、边界区和粗糙度 | 第19-20页 |
| ·属性约简与核 | 第20-24页 |
| ·基于遗传算法的粗糙集相对约简求取算法 | 第24-25页 |
| ·选择编码方式和初始种群 | 第24页 |
| ·适应度函数选取 | 第24页 |
| ·选择及交叉操作 | 第24-25页 |
| ·总结 | 第25-26页 |
| 3 神经网络理论 | 第26-31页 |
| ·引言 | 第26页 |
| ·神经网络原理 | 第26-30页 |
| ·神经网络简介 | 第26-27页 |
| ·人工神经网络模型 | 第27-28页 |
| ·BP 神经网络结构 | 第28-29页 |
| ·反向传播算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4 神经网络集成 | 第31-37页 |
| ·神经网络集成定义 | 第31页 |
| ·神经网络集成理论 | 第31-32页 |
| ·个体网络生成方法 | 第32-34页 |
| ·Bagging 算法 | 第32页 |
| ·Boosting 算法 | 第32-34页 |
| ·集成泛化能力的分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 5 粗糙集约简的神经网络集成在遥感分类中的应用 | 第37-55页 |
| ·引言 | 第37页 |
| ·基于粗糙集约简的神经网络模型 | 第37-49页 |
| ·基于遗传算法求约简 | 第37-38页 |
| ·具体步骤 | 第38-39页 |
| ·转换工具 | 第39-42页 |
| ·实验结果及分析 | 第42-49页 |
| ·小结 | 第49页 |
| ·粗糙集约简的神经网络集成方法在图像中的分类 | 第49-54页 |
| ·引言 | 第49页 |
| ·基于属性约简及样本扰动的神经网络集成模型 | 第49-50页 |
| ·实验结果及分析 | 第50-53页 |
| ·小结 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-56页 |
| ·总结 | 第55页 |
| ·研究展望 | 第55-56页 |
| 參考文献 | 第56-59页 |
| 作者简历 | 第59-61页 |
| 学位论文数据集 | 第61-62页 |
