图书介绍
基于神经网络的监督和半监督学习方法与遥感图像智能解译PDF|Epub|txt|kindle电子书版本网盘下载
- 韩敏编 著
- 出版社： 北京：中国水利水电出版社
- ISBN：9787517039655
- 出版时间：2015
- 标注页数：293页
- 文件大小：40MB
- 文件页数：304页
- 主题词：机器学习－研究
PDF下载
下载说明
基于神经网络的监督和半监督学习方法与遥感图像智能解译PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 概述1
1.1 监督学习方法2
1.1.1 监督学习概述2
1.1.2 监督学习方法简介3
1.2 半监督学习方法9
1.2.1 半监督学习概述9
1.2.2 半监督学习方法简介11
1.3 基于神经网络的遥感图像分类17
1.3.1 遥感图像分类技术概述17
1.3.2 基于神经网络的遥感图像分类概述19
1.4 本书结构安排29
1.5 小结30
参考文献31
第2章 常用神经网络基础知识40
2.1 神经网络40
2.1.1 神经网络概念和基本结构40
2.1.2 神经网络的发展41
2.1.3 神经网络的基本模型和特点42
2.2 径向基函数神经网络43
2.2.1 径向基函数神经网络概述44
2.2.2 模式可分性的Cover定理45
2.2.3 径向基函数神经网络数学描述46
2.3 支持向量机48
2.3.1 支持向量机理论基础48
2.3.2 常用支持向量机学习方法54
2.4 极限学习机58
2.4.1 极限学习机的运行机制58
2.4.2 极限学习机算法存在的问题60
2.5 ARTMAP神经网络62
2.5.1 ARTMAP神经网络62
2.5.2 模糊ARTMAP神经网络64
2.5.3 贝叶斯ARTMAP神经网络68
2.6 小结71
参考文献71
第3章 基于径向基函数神经网络的集成监督学习方法75
3.1 集成监督学习方法75
3.1.1 集成监督学习方法75
3.1.2 常用的集成监督学习方法77
3.2 基于径向基函数神经网络的随机森林监督学习方法79
3.2.1 随机森林集成监督学习方法80
3.2.2 基于径向基函数神经网络的随机森林监督学习方法81
3.2.3 仿真实例83
3.3 基于径向基函数神经网络的轮转森林监督学习方法88
3.3.1 轮转森林集成监督学习方法88
3.3.2 基于径向基函数神经网络的轮转森林监督学习方法90
3.3.3 仿真实例91
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94
3.4.1 反向标定合成训练数据集成监督学习方法95
3.4.2 基于径向基函数神经网络的反向标定训练监督学习方法95
3.4.3 仿真实例98
3.5 基于径向基函数神经网络的混合集成监督学习方法102
3.5.1 混合集成监督学习方法102
3.5.2 基于径向基函数神经网络的混合集成监督学习方法102
3.5.3 仿真实例105
3.6 小结108
参考文献108
第4章 基于支持向量机的监督学习方法112
4.1 改进支持向量机监督学习方法112
4.1.1 C支持向量机（C-SVM）及其改进算法113
4.1.2 v支持向量机（v-SVM）及其改进算法116
4.1.3 其他支持向量机监督学习方法118
4.1.4 支持向量机监督学习方法分析与比较122
4.2 求解支持向量机的优化方法124
4.2.1 常用的支持向量机求解算法125
4.2.2 求解支持向量机的四重序列解析优化算法129
4.2.3 求解支持向量机的分块序列最小化优化方法133
4.3 基于近邻协同的支持向量机高光谱遥感图像分类136
4.3.1 基于近邻协同的支持向量机分类方法136
4.3.2 NC-SVM高光谱遥感图像仿真试验139
4.4 小结143
参考文献143
第5章 基于极限学习机的监督学习方法146
5.1 基于极限学习机的监督学习改进方法146
5.1.1 分段训练极限学习机146
5.1.2 迭代-解析极限学习机149
5.1.3 集成极限学习机151
5.1.4 正余弦极限学习机152
5.2 极限学习机及其改进方法的仿真实例156
5.2.1 极限学习机的仿真试验156
5.2.2 分段训练极限学习机的仿真试验159
5.2.3 集成极限学习机和迭代-解析极限学习机的仿真试验160
5.2.4 正余弦极限学习机的仿真试验162
5.3 基于局部Lanczos双对角化的极限学习机算法163
5.3.1 局部Lanczos双对角化方法163
5.3.2 基于局部Lanczos双对角化的最小二乘近似解164
5.3.3 基于局部Lanczos双对角化的极限学习机学习算法166
5.3.4 基于局部Lanczos双对角化的极限学习机算法的分析166
5.4 基于局部Lanczos双对角化极限学习机算法的应用实例170
5.4.1 遥感图像分类的应用实例171
5.4.2 遥感图像的特征参数提取173
5.4.3 基于特征融合的分类方法175
5.4.4 基于分类结果的土地利用变化分析182
5.5 小结183
参考文献183
第6章 基于ARTMAP神经网络的半监督学习方法186
6.1 基于贝叶斯ARTMAP神经网络的半监督学习方法与应用186
6.1.1 基于贝叶斯ARTMAP神经网络的半监督学习方法186
6.1.2 基于贝叶斯ARTMAP神经网络的半监督学习方法的收敛性191
6.1.3 仿真实例192
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198
6.2.1 基本结构及实现流程198
6.2.2 学习方法及操作步骤202
6.2.3 仿真实例209
6.3 小结213
参考文献213
第7章 基于支持向量机的半监督学习方法与应用216
7.1 基于直推式支持向量机的半监督学习方法216
7.1.1 直推式半监督学习方法216
7.1.2 直推式支持向量机217
7.1.3 仿真实例219
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222
7.2.1 基于渐进直推式支持向量机的半监督学习方法222
7.2.2 仿真实例227
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231
7.3.1 基于改进渐进直推式支持向量机的半监督学习方法232
7.3.2 基于置信度的渐进直推式支持向量机半监督学习方法235
7.3.3 仿真实例239
7.4 半监督最小二乘支持向量机方法与应用244
7.4.1 基于最小二乘支持向量机的半监督学习方法244
7.4.2 仿真实例250
7.5 小结253
参考文献254
第8章 基于极限学习机的半监督学习方法与应用257
8.1 基于极限学习机的半监督学习方法257
8.1.1 基于极限学习机的半监督学习方法理论基础257
8.1.2 基于极限学习机的半监督学习方法实现过程260
8.1.3 仿真实例262
8.2 基于协同训练的极限学习机半监督学习方法265
8.2.1 在线序列极限学习机265
8.2.2 协同训练方法269
8.2.3 基于协同训练的极限学习机半监督学习方法270
8.2.4 仿真实例271
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272
8.3.1 可逆极限学习机272
8.3.2 三重训练方法276
8.3.3 三重可逆极限学习机半监督学习算法278
8.3.4 仿真实例280
8.4 小结290
参考文献290