文摘
英文文摘
声明
第一章绪论
1.1研究的目的意义
1.2国内外研究现状与趋势
1.2.1遥感矿化蚀变信息提取研究现状
1.2.2支持向量机模型参数选择的研究现状
1.2.3支持向量机提取矿化蚀变信息的研究现状
1.3研究思路及内容
第二章支持向量机学习方法
2.1引言
2.2支持向量机的理论基础
2.2.1机器学习问题的表示
2.2.2经验风险最小化原则
2.2.3学习机器的复杂性与推广能力
2.2.4函数集的学习能力与VC维
2.2.5推广性的界
2.2.6结构风险最小化归纳原则
2.3支持向量机基本原理
2.3.1最优分类超平面
2.3.2构造最优分类超平面
2.3.3广义最优分类超平面
2.3.4支持向量机
第三章粒子群优化算法
3.1引言
3.2标准粒子群算法
3.2.1算法背景—人工生命
3.2.2鸟群觅食策略
3.2.3算法模型
3.2.4算法工作流程
3.2.5算法参数设置
3.3改进的粒子群算法
3.3.1惯性权重法
3.3.2压缩因子法
3.3.3领域拓扑法
3.4与遗传算法的比较
第四章基于粒子群优化的SVM模型参数选择
4.1引言
4.2模型选择
4.3模型参数对SVM性能的影响
4.3.1核参数对SVM性能的影响
4.3.2惩罚因子对SVM性能的影响
4.3.3核参数和惩罚因子的相互关系
4.4模型参数选择方法
4.4.1模型参数的性能评价方法
4.4.2模型参数的搜索机制
4.4.3 LibSVM库采用的模型参数选择方法
4.5基于粒子群优化的模型参数选择方法
4.5.1工作流程
4.5.2样本归一化
4.5.3特征选择
4.5.4搜索空间初始化
4.5.5空间映射
4.5.6分布粒子
4.5.7训练SVM
4.5.8计算粒子适应度值
4.5.9更新粒子
4.5.10细化搜索空间、减少粒子数量
4.6方法评价
第五章基于SVM的遥感蚀变信息提取试验
5.1引言
5.2遥感蚀变信息提取的基本原理
5.3遥感蚀变信息提取的常用方法
5.3.1波段比值法
5.3.2主成分分析法
5.3.3光谱角填图法
5.3.4混合像元分解法
5.4基于SVM的矿化蚀变信息提取试验
5.4.1自然地理概况
5.4.2区域地质背景
5.4.3区域矿产概况
5.4.4成矿地质条件分析
5.4.5遥感图像预处理
5.4.6基于SVM提取矿化蚀变信息
5.4.7效果评价
第六章总结与展望
6.1主要成果与认识
6.2存在问题与建议
参考文献
致谢
在学习期间发表论文、参加科研项目和学术会议
中南大学;