1.4 本书结构安排

本书以神经网络为基础模型，介绍其在监督和半监督机器学习领域的重要理论与应用，并着重介绍其在遥感等领域的仿真实例。其中第1章为概述，第2章介绍神经网络的基础知识，第3～5章着重讲解基于3种神经网络的监督学习方法，其中第3章引入了集成学习方法，第6～8章重点介绍基于3种神经网络的半监督学习方法。

本书章节结构具体安排如下：

第1章，概述。首先论述了机器学习中监督学习方法和半监督学习方法的基本概念和方法，并在此基础上引出基于神经网络的遥感图像分类技术，介绍其内容、优势以及本书章节安排。

第2章，常用神经网络基础知识。介绍神经网络的基本概念和特征，并对本书后面章节用到的几种神经网络的基本结构和学习算法进行详细介绍，为后续内容打下基础。

第3章，基于径向基函数神经网络的集成监督学习方法。在介绍集成监督学习方法的基础上，重点介绍径向基函数神经网络和集成监督学习结合的4种具体学习方法。

第4章，基于支持向量机的监督学习方法。主要介绍两种最常用的非线性支持向量机以及基于它们的改进算法，并针对支持向量机二次规划求解问题，介绍3种经典的学习算法，并对序列最小优化算法及其改进算法进行详细介绍，最后给出仿真实例。

第5章，基于极限学习机的监督学习方法。主要介绍目前常见的几种极限学习机改进学习算法并仿真验证其性质，着重介绍基于局部Lanczos双对角化的极限学习机及其在遥感图像分类中的应用。

第6章，基于ARTMAP神经网络的半监督学习方法。主要介绍两种基于ARTMAP神经网络的半监督学习方法，并给出相应的试验仿真结果。

第7章，基于支持向量机的半监督学习方法与应用。将支持向量机方法推广到半监督学习领域，介绍几种直推式支持向量机的改进方法。

第8章，基于极限学习机的半监督学习方法与应用。简要介绍基于极限学习机的半监督学习方法，并进一步介绍两种改进的基于极限学习机的半监督学习方法，最后给出这两种方法的仿真实例。