針對高光譜遙感影像分類過程中的數據量大、維數高和不確定性等特點，將模式識別、機器學習等先關領域的半監督引入至高光譜遙感分類領域，開展高光譜遙感半監督分類方法研究是本書的主要內容。全書內容包括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 本書實驗數據 15
第2章 半監督高光譜影像降維 17
2.1 半監督降維算法的理論基礎 17
2.2 稀疏表示理論技術與稀疏表示分類器原理 20
2.3 基于監督學習的稀疏降維算法 24
2.4基于稀疏表示的半監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督分類. 45
3.1 多元邏輯回歸 45
3.2 多元邏輯回歸監督分類 48
3.3 基于多元邏輯回歸分類器的半監督樣本選擇 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 69
4.2 協同訓練理論基礎 72
4.3 改進協同訓練算法 73
4.4 實驗數據 74
4.5 實驗結果與分析 74
4.6 本章小結 80
第5章 基于鄰域信息和多分類器的高光譜影像半監督分類 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 實驗結果與分析 88
5.5 本章小結 96
第6章 基于主動學習及同質集成的協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 多尺度同質集成 99
6.3 算法流程 99
6.4 實驗結果與分析 100
6.5 本章小結 106
第7章 基于局部特征提取的協同訓練高光譜影像分類 107
7.1 特征提取 107
7.2 結合局部特征的協同訓練策略 110
7.3 實驗結果與分析 110
7.4本章小結 126
第8章 基于協同訓練的高光譜遙感影像分類系統 127
8.1 MATLAB GUI 開發技術 127
8.2 系統主要功能 128
8.3 本章小結 132
參考文獻 133
彩插
新書資訊