基于極速學(xué)習(xí)機(jī)的高光譜圖像分類研究.pdf

1、遙感技術(shù)拍攝的高光譜圖像包含了豐富的地物信息，顯著提高了地物的分類精度，高光譜圖像的分類研究也隨之成為了當(dāng)前的研究熱點(diǎn)。但是由于高光譜圖像本身“高維”、“標(biāo)記樣本代價(jià)大”、“混合像元”的特點(diǎn)，制約了高光譜圖像研究的發(fā)展。本文在極速學(xué)習(xí)機(jī)模型的基礎(chǔ)上，針對高光譜圖像本身的特點(diǎn)，結(jié)合壓縮感知、圖的半監(jiān)督、深度學(xué)習(xí)，做了以下改進(jìn)：
　　1.結(jié)合圖的半監(jiān)督理論，本文算法在構(gòu)建圖的過程中加入了拉普拉斯正則項(xiàng)，不僅挖掘了圖像全局的信息，而且對

2、局部存在的空間信息也進(jìn)行了挖掘。實(shí)驗(yàn)結(jié)果證明本文的算法能夠有效的挖掘高光譜圖像的空間以及譜間信息，即使在標(biāo)記很少的樣本時(shí)就能得到很好的分類效果。
　　2.結(jié)合樣本稀疏選擇的思想，本文提出了基于樣本表征選擇的半監(jiān)督極速學(xué)習(xí)算法。通過稀疏表示從所有樣本中選擇出“代表”樣本點(diǎn)，然后分別從代表樣本點(diǎn)中選取標(biāo)記樣本和構(gòu)圖樣本，實(shí)驗(yàn)結(jié)果驗(yàn)證了該算法能夠有效的提高模型的穩(wěn)定性，并且在相同的構(gòu)圖樣本數(shù)目情況下能夠有效地提高分類效果。
　　3