文摘
英文文摘
声明
致谢
第一章绪论
1.1论文研究背景及意义
1.2国内外研究现状和发展趋势
1.3研究目的及技术路线
第二章支持向量机及其分类性能
2.1 SVM的基本原理
2.1.1线性可分
2.1.2非线性可分
2.1.2核函数
2.2多类分类支持向量机原理及算法
2.2.1现有的多类支持向量机算法
2.2.2结合二叉决策树的多类支持向量机分类方法
2.3各种多类SVM性能的衡量指标
2.3.1分类精度比较
2.3.2训练速度比较
2.3.3分类速度比较
2.4支持向量机的特点
2.5支持向量机的推广
2.6本章小结
第三章研究区与实验数据
3.1研究区概况
3.1.1自然条件状况
3.1.2森林资源概况
3.2生态公益林资源
3.2.1公益林面积
3.2.2公益林群落结构
3.2.3公益林优势树种组结构
3.3实验工具及研究数据准备
3.3.1实验工具箱
3.3.2遥感影像预处理
3.4特征提取及分类体系的确定
3.4.1特征提取
3.4.2类别可分性准则
3.4.3最佳分类波段的选取
3.4.4分类体系的确定
3.6本章小结
第四章SVM在高分辨率遥感影像分类中的应用
4.1本实验流程
4.2不同遥感信息组合的分类实验
4.2.1常见多类支持向量机算法的实验结果
4.2.2结合二叉树的多类SVM分类的实验结果
4.3实验结果对比
4.4本章小结
第五章SVM与其他分类方法的比较
5.1其他分类方法介绍
5.1.1最小距离分类(min-distance classification)
5.1.2最大似然判别分类(maximum-likelihood classification)
5.1.3神经网络分类(neural networks classification)
5.3对比分析
5.4本章小结
第六章总结与展望
6.1结论
6.2展望
参考文献