文摘
英文文摘
华南理工大学学位论文原创性声明及学位论文版权使用授权书
第一章绪论
1.1引言
1.2支持向量机
1.3支持向量机研究现状
1.4遥感图像技术[21]
1.5本文的研究与组织
第二章统计学习理论及支持向量机
2.1统计学习理论发展概述
2.1.1基本概念
2.1.2发展历史
2.2统计学习理论的基本内容
2.2.1机器学习的基本问题
2.2.2统计学习理论的核心内容
2.3支持向量机概述
2.3.1最优分类超平面
2.3.2线性可分情况下SVM的建立
2.3.3软边缘
2.3.4高维空间中的推广
2.3.5核函数
2.4支持向量机大样本训练算法
2.5本章小结
第三章基于编码二叉树的多类支持向量机
3.1多类支持向量机
3.1.1 1-a-r(1-aginst-rest)法
3.1.2 1-a-1(1-aginst-1)法
3.1.3有向无环图SVMs
3.1.4纠错编码SVMs
3.1.5 SVM决策树
3.2基于编码二叉树的多类支持向量机(CB-SVMs)
3.2.1编码二叉树
3.2.2 CB-SVMs算法流程
3.3结果分析
3.3.1复杂度分析
3.3.2实验分析
3.4本章小结
第四章支持向量机在遥感图像处理中的应用
4.1特征选择和特征提取
4.1.1类别可分性准则
4.1.2特征提取
4.2遥感图像分类方法
4.2.1 C-均值聚类算法
4.2.2 ISODATA聚类算法
4.2.3最大似然法[35]
4.2.4人工神经网络方法
4.3基于编码二叉树的多类SVM在遥感图像分类中的应用
4.3.1噪音处理
4.3.2图像分类结果
4.4本章小结
结 论
参考文献
攻读硕士学位期间发表的论文
致 谢