更新时间：2021-04-09 17:33:43
封面
版权信息
前言
第1章 概述
1.1 监督学习方法
1.2 半监督学习方法
1.3 基于神经网络的遥感图像分类
1.4 本书结构安排
1.5 小结
参考文献
第2章 常用神经网络基础知识
2.1 神经网络
2.2 径向基函数神经网络
2.3 支持向量机
2.4 极限学习机
2.5 ARTMAP神经网络
2.6 小结
第3章 基于径向基函数神经网络的集成监督学习方法
3.1 集成监督学习方法
3.2 基于径向基函数神经网络的随机森林监督学习方法
3.3 基于径向基函数神经网络的轮转森林监督学习方法
3.4 基于径向基函数神经网络的反向标定训练数据监督学习方法
3.5 基于径向基函数神经网络的混合集成监督学习方法
3.6 小结
第4章 基于支持向量机的监督学习方法
4.1 改进支持向量机监督学习方法
4.2 求解支持向量机的优化方法
4.3 基于近邻协同的支持向量机高光谱遥感图像分类
4.4 小结
第5章 基于极限学习机的监督学习方法
5.1 基于极限学习机的监督学习改进方法
5.2 极限学习机及其改进方法的仿真实例
5.3 基于局部Lanczos双对角化的极限学习机算法
5.4 基于局部Lanczos双对角化极限学习机算法的应用实例
5.5 小结
第6章 基于ARTMAP神经网络的半监督学习方法
6.1 基于贝叶斯ARTMAP神经网络的半监督学习方法与应用
6.2 基于ARTMAP神经网络的案例推理广义半监督学习方法与应用
6.3 小结
第7章 基于支持向量机的半监督学习方法与应用
7.1 基于直推式支持向量机的半监督学习方法
7.2 基于渐进直推式支持向量机的半监督学习方法与应用
7.3 基于改进渐进直推式支持向量机的半监督学习方法与应用
7.4 半监督最小二乘支持向量机方法与应用
7.5 小结
第8章 基于极限学习机的半监督学习方法与应用
8.1 基于极限学习机的半监督学习方法
8.2 基于协同训练的极限学习机半监督学习方法
8.3 基于三重可逆训练的极限学习机增量式半监督学习方法
8.4 小结
