致谢
摘要
Abstract
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.3 研究内容
1.4 研究的方法与技术路线
2 粗糙集理论基础
2.1 引言
2.2 粗糙集的基本概念
2.2.1 粗糙集定义与不可分辨关系
2.2.2 粗糙集的上、下近似、边界区和粗糙度
2.2.3 属性约简与核
2.3 基于遗传算法的粗糙集相对约简求取算法
2.3.1 选择编码方式和初始种群
2.3.2 适应度函数选取
2.3.3 选择及交叉操作
2.4 总结
3 神经网络理论
3.1 引言
3.2 神经网络原理
3.2.0 神经网络简介
3.2.1 人工神经网络模型
3.2.2 BP 神经网络结构
3.2.3 反向传播算法
3.3 本章小结
4 神经网络集成
4.1 神经网络集成定义
4.2 神经网络集成理论
4.3 个体网络生成方法
4.3.1 Bagging 算法
4.3.2 Boosting 算法
4.4 集成泛化能力的分析
4.5 本章小结
5 粗糙集约简的神经网络集成在遥感分类中的应用
5.1 引言
5.2 基于粗糙集约简的神经网络模型
5.2.1 基于遗传算法求约简
5.2.2 具体步骤
5.2.3 转换工具
5.2.4 实验结果及分析
5.2.5 小结
5.3 粗糙集约简的神经网络集成方法在图像中的分类
5.3.1 引言
5.3.2 基于属性约简及样本扰动的神经网络集成模型
5.3.3 实验结果及分析
5.3.4 小结
5.4 本章小结
6 总结与展望
6.1 总结
6.2 研究展望
參考文献
作者简历
学位论文数据集