針對高光譜遙感影像分類過程中的數(shù)據(jù)量大、維數(shù)高和不確定性等特點，將模式識別、機器學習等先關(guān)領(lǐng)域的半監(jiān)督引入至高光譜遙感分類領(lǐng)域，開展高光譜遙感半監(jiān)督分類方法研究是本書的主要內(nèi)容。全書內(nèi)容包括8章：第1章介紹高光譜遙感分類進展，第2章對半監(jiān)督高光譜影像降維方面進行研究，第3章分析研究多元邏輯回歸高光譜遙感影像的分類，第4章重點探討基于差異性度量的分類器的選擇，第5章研究鄰域信息和多分類器集成的高光譜影像半
目錄
前言
第1章 高光譜遙感分類概述 1
1.1 高光譜遙感影像分類概述 1
1.2 半監(jiān)督分類 4
1.3 分類器的差異性度量 9
1. 4 特征提取 10
1.5 本書實驗數(shù)據(jù) 15
第2章 半監(jiān)督高光譜影像降維 17
2.1 半監(jiān)督降維算法的理論基礎(chǔ) 17
2.2 稀疏表示理論技術(shù)與稀疏表示分類器原理 20
2.3 基于監(jiān)督學習的稀疏降維算法 24
2.4基于稀疏表示的半監(jiān)督高光譜遙感影像降維 33
第3章 多元邏輯回歸高光譜遙感影像半監(jiān)督分類. 45
3.1 多元邏輯回歸 45
3.2 多元邏輯回歸監(jiān)督分類 48
3.3 基于多元邏輯回歸分類器的半監(jiān)督樣本選擇 54
第4章 基于差異性度量的分類器選擇 .69
4.1 差異性度量基礎(chǔ) 69
4.2 協(xié)同訓練理論基礎(chǔ) 72
4.3 改進協(xié)同訓練算法 73
4.4 實驗數(shù)據(jù) 74
4.5 實驗結(jié)果與分析 74
4.6 本章小結(jié) 80
第5章 基于鄰域信息和多分類器的高光譜影像半監(jiān)督分類 81
5.1 非標記樣本標注分析 81
5.2 常用非標記樣本的確定方法 81
5.3 一種新的樣本標記方法 84
5.4 實驗結(jié)果與分析 88
5.5 本章小結(jié) 96
第6章 基于主動學習及同質(zhì)集成的協(xié)同訓練高光譜影像分類 97
6.1 未標記樣本的選擇與標定 97
6.2 多尺度同質(zhì)集成 99
6.3 算法流程 99
6.4 實驗結(jié)果與分析 100
6.5 本章小結(jié) 106
第7章 基于局部特征提取的協(xié)同訓練高光譜影像分類 107
7.1 特征提取 107
7.2 結(jié)合局部特征的協(xié)同訓練策略 110
7.3 實驗結(jié)果與分析 110
7.4本章小結(jié) 126
第8章 基于協(xié)同訓練的高光譜遙感影像分類系統(tǒng) 127
8.1 MATLAB GUI 開發(fā)技術(shù) 127
8.2 系統(tǒng)主要功能 128
8.3 本章小結(jié) 132
參考文獻 133
彩插
新書資訊