機(jī)器學(xué)習(xí)、智能計(jì)算與高光譜遙感影像分類(lèi)應(yīng)用研究

　　本書(shū)系統(tǒng)總結(jié)了作者近年來(lái)在高光譜遙感影像分類(lèi)、機(jī)器學(xué)習(xí)、智能計(jì)算等方面的研究成果，在介紹高光譜遙感影像分類(lèi)基礎(chǔ)知識(shí)、機(jī)器學(xué)習(xí)、智能計(jì)算等常用方法的基礎(chǔ)上，探討影響分類(lèi)準(zhǔn)確率的因素，重點(diǎn)對(duì)多核集成學(xué)習(xí)及粒子群等方法在高光譜遙感影像分類(lèi)中的應(yīng)用進(jìn)行了深入探討。本書(shū)將作者研究過(guò)程與體會(huì)與大家分享，拋磚引玉，希望進(jìn)一步促進(jìn)遙感圖像的分析與理解水平，這也是本書(shū)撰寫(xiě)的初衷。 全書(shū)共分為8章。第1章主要介紹高光譜遙感的基本概念、高光譜遙感影像分類(lèi)的基礎(chǔ)和原理、分類(lèi)研究現(xiàn)狀、存在的問(wèn)題與發(fā)展趨勢(shì)。第2章主要介紹遙感影像分類(lèi)中的機(jī)器學(xué)習(xí)方法，包括小距離分類(lèi)法、大似然分類(lèi)法、人工神經(jīng)網(wǎng)絡(luò)分類(lèi)法、決策樹(shù)分類(lèi)法、K-均值算法及迭代自組織數(shù)據(jù)分析法。第3章主要介紹統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)的原理、研究現(xiàn)狀、存在問(wèn)題及發(fā)展方向。第4章主要介紹高光譜遙感影像的降維方法，包括遺傳算法、主成分分析與核主成分分析、線性判別分析與核線性判別分析、投影尋蹤、流形學(xué)習(xí)等。第5章采用改進(jìn)粒子群優(yōu)化算法對(duì)高光譜影像數(shù)據(jù)進(jìn)行波段選擇和SVM（支持向量機(jī)）參數(shù)優(yōu)化。第6章采用Kullback-Leibler散度構(gòu)造支持向量機(jī)的核函數(shù)，并應(yīng)用于多核集成框架的基分類(lèi)器。第7章基于改進(jìn)指數(shù)進(jìn)行特征選擇，結(jié)合參數(shù)優(yōu)化后的SVM分類(lèi)器對(duì)高光譜影像數(shù)據(jù)進(jìn)行分類(lèi)。第8章基于互信息和J-M距離（一種光譜可分性測(cè)度）提出兩階段特征選擇方法，并引入隨機(jī)化算法構(gòu)建多核集成學(xué)習(xí)框架。在每章中都評(píng)估了分類(lèi)器的各種參數(shù)對(duì)分類(lèi)精度的影響。

　　亓呈明，計(jì)算機(jī)應(yīng)用技術(shù)碩士，地理信息工程博士。主要研究方向?yàn)椋簷C(jī)器學(xué)習(xí)、計(jì)算智能、統(tǒng)計(jì)學(xué)習(xí)、遙感圖像處理。發(fā)表30余篇國(guó)際檢索的研究論文，參與了相關(guān)研究項(xiàng)目10余項(xiàng)。 胡立栓，計(jì)算機(jī)應(yīng)用技術(shù)碩士，地理信息工程博士。主要研究方向?yàn)椋簷C(jī)器學(xué)習(xí)、遙感信息處理、GIS技術(shù)應(yīng)用、網(wǎng)格服務(wù)、分布式計(jì)算等。發(fā)表20篇研究論文，其中EI檢索8篇，參與了相關(guān)研究20余項(xiàng)。