针对高光谱遥感影像分类过程中的数据量大、维数高和不确定性等特点，将模式识别、机器学习等先关领域的半监督引入至高光谱遥感分类领域，开展高光谱遥感半监督分类方法研究是本书的主要内容。全书内容包括8章：第1章介绍高光谱遥感分类进展，第2章对半监督高光谱影像降维方面进行研究，第3章分析研究多元逻辑回归高光谱遥感影像的分类，第4章重点探讨基于差异性度量的分类器的选择，第5章研究邻域信息和多分类器集成的高光谱影像半

目录
前言
第1章 高光谱遥感分类概述 1
1.1 高光谱遥感影像分类概述 1
1.2 半监督分类 4
1.3 分类器的差异性度量 9
1. 4 特征提取 10
1.5 本书实验数据 15
第2章 半监督高光谱影像降维 17
2.1 半监督降维算法的理论基础 17
2.2 稀疏表示理论技术与稀疏表示分类器原理 20
2.3 基于监督学习的稀疏降维算法 24
2.4基于稀疏表示的半监督高光谱遥感影像降维 33
第3章 多元逻辑回归高光谱遥感影像半监督分类. 45
3.1 多元逻辑回归 45
3.2 多元逻辑回归监督分类 48
3.3 基于多元逻辑回归分类器的半监督样本选择 54
第4章 基于差异性度量的分类器选择 .69
4.1 差异性度量基础 69
4.2 协同训练理论基础 72
4.3 改进协同训练算法 73
4.4 实验数据 74
4.5 实验结果与分析 74
4.6 本章小结 80
第5章 基于邻域信息和多分类器的高光谱影像半监督分类 81
5.1 非标记样本标注分析 81
5.2 常用非标记样本的确定方法 81
5.3 一种新的样本标记方法 84
5.4 实验结果与分析 88
5.5 本章小结 96
第6章 基于主动学习及同质集成的协同训练高光谱影像分类 97
6.1 未标记样本的选择与标定 97
6.2 多尺度同质集成 99
6.3 算法流程 99
6.4 实验结果与分析 100
6.5 本章小结 106
第7章 基于局部特征提取的协同训练高光谱影像分类 107
7.1 特征提取 107
7.2 结合局部特征的协同训练策略 110
7.3 实验结果与分析 110
7.4本章小结 126
第8章 基于协同训练的高光谱遥感影像分类系统 127
8.1 MATLAB GUI 开发技术 127
8.2 系统主要功能 128
8.3 本章小结 132
参考文献 133
彩插