1.4 本書結構安排

本書以神經網絡為基礎模型，介紹其在監督和半監督機器學習領域的重要理論與應用，并著重介紹其在遙感等領域的仿真實例。其中第1章為概述，第2章介紹神經網絡的基礎知識，第3～5章著重講解基于3種神經網絡的監督學習方法，其中第3章引入了集成學習方法，第6～8章重點介紹基于3種神經網絡的半監督學習方法。

本書章節結構具體安排如下：

第1章，概述。首先論述了機器學習中監督學習方法和半監督學習方法的基本概念和方法，并在此基礎上引出基于神經網絡的遙感圖像分類技術，介紹其內容、優勢以及本書章節安排。

第2章，常用神經網絡基礎知識。介紹神經網絡的基本概念和特征，并對本書后面章節用到的幾種神經網絡的基本結構和學習算法進行詳細介紹，為后續內容打下基礎。

第3章，基于徑向基函數神經網絡的集成監督學習方法。在介紹集成監督學習方法的基礎上，重點介紹徑向基函數神經網絡和集成監督學習結合的4種具體學習方法。

第4章，基于支持向量機的監督學習方法。主要介紹兩種最常用的非線性支持向量機以及基于它們的改進算法，并針對支持向量機二次規劃求解問題，介紹3種經典的學習算法，并對序列最小優化算法及其改進算法進行詳細介紹，最后給出仿真實例。

第5章，基于極限學習機的監督學習方法。主要介紹目前常見的幾種極限學習機改進學習算法并仿真驗證其性質，著重介紹基于局部Lanczos雙對角化的極限學習機及其在遙感圖像分類中的應用。

第6章，基于ARTMAP神經網絡的半監督學習方法。主要介紹兩種基于ARTMAP神經網絡的半監督學習方法，并給出相應的試驗仿真結果。

第7章，基于支持向量機的半監督學習方法與應用。將支持向量機方法推廣到半監督學習領域，介紹幾種直推式支持向量機的改進方法。

第8章，基于極限學習機的半監督學習方法與應用。簡要介紹基于極限學習機的半監督學習方法，并進一步介紹兩種改進的基于極限學習機的半監督學習方法，最后給出這兩種方法的仿真實例。