遥感图像智能解译：神经网络监督与半监督学习实战指南

《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》是一本深入研究机器学习理论与遥感图像处理实践的书籍。作者通过详细阐述人工神经网络的不同学习方法，特别是监督学习和半监督学习，为读者提供了理解和应用这些技术于遥感图像智能解译的实用指南。 在书中，第1章概述了监督学习和半监督学习的基本概念，区分了这两种学习形式在遥感图像分类中的应用，并介绍了全书的结构布局，让读者对全书有一个整体的认识。接着，章节逐级深入，从第2章开始，分别讲解了神经网络的基础知识，包括径向基函数神经网络、支持向量机、极限学习机以及ARTMAP神经网络，这些是后续章节构建模型的基础。 第3章至第5章主要关注监督学习方法，如基于径向基函数神经络的集成学习策略（如随机森林、轮转森林和反向标定训练数据方法）、改进的支持向量机技术和极限学习机的优化应用。每个章节不仅阐述理论，还提供了实际案例，展示了理论在遥感图像处理中的实用性。 第6章和第7章则是对半监督学习的探讨，包括贝叶斯ARTMAP神经网络的半监督学习应用以及基于支持向量机的半监督学习策略。这些部分强调了在缺乏标注数据的情况下，如何利用半监督学习提升遥感图像解译的准确性。 全书的每个章节都配有思维导图，帮助读者梳理知识结构，便于理解和记忆。最后，每一章都有小结，总结关键点，并给出参考文献，供读者进一步研究。这本书不仅适合对神经网络和遥感图像处理感兴趣的专业人士，也对希望深入了解机器学习在遥感领域应用的研究生和科研人员具有很高的参考价值。