遙感數(shù)據(jù)智能處理方法與程序設(shè)計（第二版）

序
前言
第1章 緒論
1.1 衛(wèi)星遙感系統(tǒng)與任務(wù)
1.2 遙感數(shù)據(jù)處理任務(wù)與方法
1.3 本章小結(jié)
主要參考文獻
第2章 變換與分割
2.1 引言
2.2 GIVENS旋轉(zhuǎn)變換與分解
2.3 Gram-Schmidt向量空間投影變換
2.4 小波高頻局部高頻融合
2.5 判別函數(shù)與超平面分割
2.6 本章小結(jié)
主要參考文獻
第3章 貝葉斯網(wǎng)絡(luò)
3.1 引言
3.2 貝葉斯基礎(chǔ)
3.3 貝葉斯網(wǎng)絡(luò)推理與分類器
3.4 貝葉斯網(wǎng)絡(luò)分類
3.5 動態(tài)貝葉斯網(wǎng)絡(luò)
3.6 貝葉斯網(wǎng)絡(luò)推理
3.7 本章小結(jié)
主要參考文獻
第4章 偽二維隱馬爾可夫
4.1 引言
4.2 偽二維隱馬爾可夫基礎(chǔ)
4.3 偽二維隱馬爾可夫模型的目標識別
4.4 P2DHMM目標檢測實驗
4.5 本章小結(jié)
主要參考文獻
第5章 遺傳算法
5.1 引言
5.2 遺傳算法基礎(chǔ)
5.3 遺傳算法的進化規(guī)則
5.4 遙感遺傳超平面分類
5.5 參數(shù)編解碼及其實現(xiàn)
5.6 EOS／MODIS圖像數(shù)據(jù)分類實驗
5.7 ETM+數(shù)據(jù)分類實驗
5.8 遺傳一匹配
5.9 遺傳一邊緣提取
5.10 本章小結(jié)
主要參考文獻
第6章 神經(jīng)網(wǎng)絡(luò)
6.1 引言
6.2 神經(jīng)網(wǎng)絡(luò)的學習規(guī)則
6.3 BP網(wǎng)絡(luò)分類
6.4 SOFM-LVO網(wǎng)絡(luò)分類
6.5 PCNN神經(jīng)網(wǎng)絡(luò)
6.6 本章小結(jié)
主要參考文獻
第7章 模糊聚類
7.1 引言
7.2 模糊聚類數(shù)學基礎(chǔ)
7.3 模糊C-均值聚類和改進的模糊C-均值聚類
7.4 本章小結(jié)
主要參考文獻
第8章 粗糙集與容差粗糙集
8.1 引言
8.2 粗糙集理論
8.3 容差粗糙集
8.4 容差粗糙集數(shù)據(jù)預處理算法
8.5 容差粗糙集與BP算法結(jié)合的分類實驗
8.6 容差粗糙集監(jiān)督分類
8.7 本章小結(jié)
主要參考文獻
第9章 支持向量機
9.1 引言
9.2 支持向量機原理
9.3 新型支持向量機與遙感影像分類
9.4 本章小結(jié)
主要參考文獻
第10章 禁忌人工免疫網(wǎng)絡(luò)算法
10.1 引言
10.2 禁忌搜索和人工免疫網(wǎng)絡(luò)
10.3 禁忌人工免疫網(wǎng)絡(luò)算法設(shè)計與實現(xiàn)
10.4 基于禁忌人工免疫網(wǎng)絡(luò)算法的影像自動配準
10.5 禁忌人工免疫網(wǎng)絡(luò)算法的影像自動融合
10.6 本章小結(jié)
主要參考文獻
第11章 粒子濾波
11.1 引言
11.2 粒子濾波原理
11.3 粒子濾波檢測前跟蹤框架
11.4 結(jié)合背景預測算法的粒子濾波檢測前跟蹤框架
11.5 本章小結(jié)
主要參考文獻
彩圖