高光譜遙感影像的協(xié)同訓(xùn)練與半監(jiān)督分類(lèi)

目錄
前言
第1章 高光譜遙感分類(lèi)概述 1
1.1 高光譜遙感影像分類(lèi)概述 1
1.2 半監(jiān)督分類(lèi) 4
1.3 分類(lèi)器的差異性度量 9
1. 4 特征提取 10
1.5 本書(shū)實(shí)驗(yàn)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(lèi)器原理 20
2.3 基于監(jiān)督學(xué)習(xí)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(lèi). 45
3.1 多元邏輯回歸 45
3.2 多元邏輯回歸監(jiān)督分類(lèi) 48
3.3 基于多元邏輯回歸分類(lèi)器的半監(jiān)督樣本選擇 54
第4章 基于差異性度量的分類(lèi)器選擇 .69
4.1 差異性度量基礎(chǔ) 69
4.2 協(xié)同訓(xùn)練理論基礎(chǔ) 72
4.3 改進(jìn)協(xié)同訓(xùn)練算法 73
4.4 實(shí)驗(yàn)數(shù)據(jù) 74
4.5 實(shí)驗(yàn)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(lèi)器的高光譜影像半監(jiān)督分類(lèi) 81
5.1 非標(biāo)記樣本標(biāo)注分析 81
5.2 常用非標(biāo)記樣本的確定方法 81
5.3 一種新的樣本標(biāo)記方法 84
5.4 實(shí)驗(yàn)結(jié)果與分析 88
5.5 本章小結(jié) 96
第6章 基于主動(dòng)學(xué)習(xí)及同質(zhì)集成的協(xié)同訓(xùn)練高光譜影像分類(lèi) 97
6.1 未標(biāo)記樣本的選擇與標(biāo)定 97
6.2 多尺度同質(zhì)集成 99
6.3 算法流程 99
6.4 實(shí)驗(yàn)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(xùn)練高光譜影像分類(lèi) 107
7.1 特征提取 107
7.2 結(jié)合局部特征的協(xié)同訓(xùn)練策略 110
7.3 實(shí)驗(yàn)結(jié)果與分析 110
7.4本章小結(jié) 126
第8章 基于協(xié)同訓(xùn)練的高光譜遙感影像分類(lèi)系統(tǒng) 127
8.1 MATLAB GUI 開(kāi)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(xiàn) 133
彩插