《高光谱遥感影像半监督分类研究》是国家自然科学基金项目“基于半监督多核SVM和混合特征集的高光谱遥感影像分类（编号：41101423）”的研究成果。
　　针对高光谱遥感影像分类中数据量大、维数高、具有不确定性等特点，将模式识别领域的研究热点——半监督分类器系统引入高光谱遥感领域，开展高光谱遥感半监督分类器集成理论与方法的研究，是《高光谱遥感影像半监督分类研究》的主要内容。《高光谱遥感影像半监督分类研究》内容包括6章：第1章介绍了高光谱遥感影像分类进展；第2章从理论与实例两方面，定量分析了多种分类器；第3章重点探讨了高光谱遥感影像的波段选择和波段提取；第4章重点研究组合空间和光谱特征的高光谱遥感影像特征选择方法研究；第5章进一步探讨了半监督支持向量机分类研究等；第6章介绍了基于协同训练的半监督分类，并对今后的发展趋势进行了探讨。
　　《高光谱遥感影像半监督分类研究》主要供从事遥感信息处理、遥感分类、遥感应用等研究和实践的科研人员、高校教师、研究生和高年级本科生参考。全书由谭琨、李二珠合作完成。

第1章 高光谱遥感概述
1.1 高光谱遥感影像分类概述
1.2 高光谱遥感影像分类进展
1.3 高光谱遥感分类器构建
1.4 本书试验数据

第2章 高光谱遥感常用分类方法
2.1 常用非监督分类
2.2 常规监督分类方法
2.3 基于光谱相似性度量的分类方法
2.4 人工神经网络分类器
2.5 决策树分类器
2.6 面向对象分类
2.7 人工免疫系统的分类
2.8 统计学习理论
2.9 支持向量机

第3章 高光谱遥感影像的波段选择和波段提取
3.1 基于波段选择的降维
3.2 基于特征提取的降维
3.3 核主成分分析改进研究
3.4 流形学习算法
3.5 本章小结

第4章 组合空间和光谱特征的高光谱遥感影像分类研究
4.1 光谱-空间法介绍
4.2 空间特征和光谱特征的提取
4.3 基于特征选择的光谱-空间高光谱遥感影像分类方法
4.4 试验结果与分析
4.5 本章小结

第5章 半监督分类研究
5.1 半监督分类
5.2 半监督分类方法
5.3 基于支持向量机自训练高光谱遥感数据分类实例
5.4 本章小结

第6章 基于协同训练的半监督分类方法研究
6.1 引言
6.2 协同训练理论
6.3 协同训练算法研究
6.4 基于协同训练高光谱遥感影像分类研究实例
6.5 本章小结

参考文献