【技术实现步骤摘要】
一种基于主动深度学习的高光谱图像分类方法
本专利技术涉及图像处理
，具体来说，涉及一种基于主动深度学习的高光谱图像分类方法。
技术介绍
目前，遥感数据分类方法中引入了一种称为深度学习的半监督学习方法，这种方法可以看作是一个扩展的人工神经网络，它对复杂的分类问题有效果。然而，训练深层网络的代价是很大的，需要大量的训练样本。因为高光谱图像只有少量的训练样本是有效的并且特征空间的维数很大，所以将深层网络应用到分类是不实际的。主动学习是从未标记的子集中选择信息量最多的样本的迭代过程。这个选择基于在模型中的计算得分排名，被选择的样本被添加到训练集中，然后分类器将重新训练新样本。主动学习方法选择了更合适的样本，因此比随机选择的样本训练时更加有效；因此，主动学习方法比传统的半监督学习方法使用更少的训练样本，并且可以更快地训练深层网络。主动学习方法已经广泛地运用到遥感应用中。比如将主动学习方法与支持向量机、逻辑回归等方法相联系的运用；然而目前大部分方法与分类器的特定类型或者特定结构密切相关，并没有一个方法能很好的适用于深度信念网络。因此，研究一种基于主动深度学习的遥感图像分...
【技术保护点】
1.一种基于主动深度学习的高光谱图像分类方法，其特征在于，包括以下步骤：步骤1：使用限制玻尔兹曼机构建深度信念网络，对图像数据集进行标注，建立初始字典；步骤2：使用稀疏表示的方法，基于深度信念网络的特征数据信息，对残差数据集进行代表性估计和不确定估计；步骤3：使用加权增量字典学习方法进行字典学习，优化数据的代表性和不确定性这两个标准的权重，使用判别函数对数据的重要性进行排序，选择前几个样本加入初始字典；步骤4：使用加权正交匹配追踪算法进行稀疏编码；分别对步骤3中选择的前几个样本进行奇异值分解，选择矩阵的第一列对应的数据加入到字典中并且将数据集中的数据删除；计算下一次迭代的残...
【技术特征摘要】
1.一种基于主动深度学习的高光谱图像分类方法，其特征在于，包括以下步骤：步骤1：使用限制玻尔兹曼机构建深度信念网络，对图像数据集进行标注，建立初始字典；步骤2：使用稀疏表示的方法，基于深度信念网络的特征数据信息，对残差数据集进行代表性估计和不确定估计；步骤3：使用加权增量字典学习方法进行字典学习，优化数据的代表性和不确定性这两个标准的权重，使用判别函数对数据的重要性进行排序，选择前几个样本加入初始字典；步骤4：使用加权正交匹配追踪算法进行稀疏编码；分别对步骤3中选择的前几个样本进行奇异值分解，选择矩阵的第一列对应的数据加入到字典中并且将数据集中的数据删除；计算下一次迭代的残差集；步骤5：使用...
【专利技术属性】
技术研发人员：王力哲，刘鹏，舒雯，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。