| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 气象卫星和卫星云图 | 第9-13页 |
| 1.2.1 气象卫星介绍 | 第9-10页 |
| 1.2.2 卫星云图 | 第10-12页 |
| 1.2.3 国内外研究现状 | 第12-13页 |
| 1.3 论文的主要内容 | 第13-15页 |
| 第2章 FY-2C卫星资料和云图分类理论 | 第15-24页 |
| 2.1 FY-2C卫星资料介绍 | 第15-19页 |
| 2.2.1 FY-2C卫星和VISSR探测器 | 第15-17页 |
| 2.2.2 FY-2C标称投影的圆盘图像NOM | 第17-19页 |
| 2.2 卫星云图分析的特征判据 | 第19-21页 |
| 2.3 卫星云图上各类云的特征 | 第21-22页 |
| 2.4 卫星云图计算机自动分类的一般步骤 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 卫星云图的特征及其提取技术 | 第24-33页 |
| 3.1 卫星云图的图像特征 | 第24页 |
| 3.2 光谱特征和纹理特征 | 第24-26页 |
| 3.2.1 光谱特征 | 第24-25页 |
| 3.2.2 纹理特征 | 第25-26页 |
| 3.3 光谱特征和纹理特征提取技术 | 第26-32页 |
| 3.3.1 光谱特征提取技术 | 第26-29页 |
| 3.3.2 纹理特征提取技术 | 第29-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 堆叠极限学习机的卫星云图分类 | 第33-53页 |
| 4.1 PCA降维 | 第33页 |
| 4.2 极限学习机（ELM）的原理 | 第33-35页 |
| 4.3 堆叠极限学习机（S-ELMs）算法与参数选择 | 第35-41页 |
| 4.3.1 堆叠极限学习机（S-ELMs）算法 | 第35-38页 |
| 4.3.2 堆叠极限学习机（S-ELMs）的参数选择 | 第38-41页 |
| 4.4 S-ELMs实验结果与分析 | 第41-48页 |
| 4.4.1 结合光谱特征S-ELMs的实验结果与分析 | 第41-44页 |
| 4.4.2 结合光谱特征和纹理特征S-ELMs的实验结果与分析 | 第44-48页 |
| 4.4.3 S-ELMs实验小结 | 第48页 |
| 4.5 S-ELMs和ELM的对比实验 | 第48-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第5章 支持向量机的卫星云图分类 | 第53-63页 |
| 5.1 支持向量机的原理 | 第53-56页 |
| 5.2 支持向量机模型选择 | 第56-57页 |
| 5.3 SVM的实验结果与分析 | 第57-60页 |
| 5.3.1 结合光谱特征SVM的实验结果与分析 | 第57-59页 |
| 5.3.2 结合光谱特征和纹理特征SVM的实验结果与分析 | 第59-60页 |
| 5.3.3 SVM实验小结 | 第60页 |
| 5.4 S-ELMs和SVM的分类结果对比与分析 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 总结 | 第63-64页 |
| 6.2 展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 发表论文及参加科研情况说明 | 第68-69页 |
| 致谢 | 第69-70页 |
