123,123,123

內(nèi)容簡(jiǎn)介

《高光譜遙感影像半監(jiān)督分類研究》是國(guó)家自然科學(xué)基金項(xiàng)目“基于半監(jiān)督多核SVM和混合特征集的高光譜遙感影像分類（編號(hào)：41101423）”的研究成果。
　　針對(duì)高光譜遙感影像分類中數(shù)據(jù)量大、維數(shù)高、具有不確定性等特點(diǎn)，將模式識(shí)別領(lǐng)域的研究熱點(diǎn)——半監(jiān)督分類器系統(tǒng)引入高光譜遙感領(lǐng)域，開展高光譜遙感半監(jiān)督分類器集成理論與方法的研究，是《高光譜遙感影像半監(jiān)督分類研究》的主要內(nèi)容。《高光譜遙感影像半監(jiān)督分類研究》內(nèi)容包括6章：第1章介紹了高光譜遙感影像分類進(jìn)展；第2章從理論與實(shí)例兩方面，定量分析了多種分類器；第3章重點(diǎn)探討了高光譜遙感影像的波段選擇和波段提取；第4章重點(diǎn)研究組合空間和光譜特征的高光譜遙感影像特征選擇方法研究；第5章進(jìn)一步探討了半監(jiān)督支持向量機(jī)分類研究等；第6章介紹了基于協(xié)同訓(xùn)練的半監(jiān)督分類，并對(duì)今后的發(fā)展趨勢(shì)進(jìn)行了探討。
　　《高光譜遙感影像半監(jiān)督分類研究》主要供從事遙感信息處理、遙感分類、遙感應(yīng)用等研究和實(shí)踐的科研人員、高校教師、研究生和高年級(jí)本科生參考。全書由譚琨、李二珠合作完成。

作者簡(jiǎn)介

暫缺《高光譜遙感影像半監(jiān)督分類研究》作者簡(jiǎn)介

圖書目錄

第1章高光譜遙感概述
1.1 高光譜遙感影像分類概述
1.2 高光譜遙感影像分類進(jìn)展
1.3 高光譜遙感分類器構(gòu)建
1.4 本書試驗(yàn)數(shù)據(jù)

第2章高光譜遙感常用分類方法
2.1 常用非監(jiān)督分類
2.2 常規(guī)監(jiān)督分類方法
2.3 基于光譜相似性度量的分類方法
2.4 人工神經(jīng)網(wǎng)絡(luò)分類器
2.5 決策樹分類器
2.6 面向?qū)ο蠓诸?br>2.7 人工免疫系統(tǒng)的分類
2.8 統(tǒng)計(jì)學(xué)習(xí)理論
2.9 支持向量機(jī)

第3章高光譜遙感影像的波段選擇和波段提取
3.1 基于波段選擇的降維
3.2 基于特征提取的降維
3.3 核主成分分析改進(jìn)研究
3.4 流形學(xué)習(xí)算法
3.5 本章小結(jié)

第4章組合空間和光譜特征的高光譜遙感影像分類研究
4.1 光譜-空間法介紹
4.2 空間特征和光譜特征的提取
4.3 基于特征選擇的光譜-空間高光譜遙感影像分類方法
4.4 試驗(yàn)結(jié)果與分析
4.5 本章小結(jié)

第5章半監(jiān)督分類研究
5.1 半監(jiān)督分類
5.2 半監(jiān)督分類方法
5.3 基于支持向量機(jī)自訓(xùn)練高光譜遙感數(shù)據(jù)分類實(shí)例
5.4 本章小結(jié)

第6章基于協(xié)同訓(xùn)練的半監(jiān)督分類方法研究
6.1 引言
6.2 協(xié)同訓(xùn)練理論
6.3 協(xié)同訓(xùn)練算法研究
6.4 基于協(xié)同訓(xùn)練高光譜遙感影像分類研究實(shí)例
6.5 本章小結(jié)

參考文獻(xiàn)