基于特征关系图谱学习的模型训练方法及数据分类方法技术

本发明专利技术公开了一种基于特征关系图谱学习的模型训练方法及数据分类方法，对于高维数据中的像素，利用向量记录像素在各个波段上的光谱特征，然后计算向量各元素两两之间的关系值，得到二维特征关系矩阵，之后对该矩阵做分段处理，生成具有多通道的纹理图片。利用卷积神经网络对纹理图片进行特征学习，从中提取隐含在纹理图片中的深层特征。将学习到的特征输入到分类器进行分类，得到当前像素的预测类别，根据所有像素的预测类别实现分类。本发明专利技术对特征的描述从一维转换成二维，为每个待分类像素构建图谱，以实现不同类别的区分，使利用原始特征的分类转换成利用二维纹理图片的分类，通过卷积神经网络有效提升分类精度，保证了分类的稳定性和通用性。

Model training method and data classification method based on feature relation map learning

【技术实现步骤摘要】
基于特征关系图谱学习的模型训练方法及数据分类方法
本专利技术属于遥感技术和人工智能模式识别领域，更具体地，涉及一种基于特征关系图谱学习的模型训练方法及数据分类方法。
技术介绍
随着技术的不断进步，遥感卫星对地观测的分辨率在时间，空间和光谱方面得到了长足的发展。尤其在卫星传感器光谱分辨率不断提高的情况下，人类对于地物光谱特征的认知变得更加深入，使得许多隐藏在狭窄观测范围内的地物特征得以发掘，对提高遥感对地观测能力，实行精细化探测起到非常重要的作用。高光谱遥感技术在信息获取方面有着巨大的优势。而利用高光谱影像进行分类，提取土地利用信息，是高光谱遥感影像分析和应用的关键技术之一。然而，高光谱遥感影像具有高维特性，邻近的波谱之间相关性较高，同时还存在混合像元等因素的影响，这使得高光谱遥感影像分类面临诸如数据冗余、维度灾难、不确定性、地表物质的同物异谱及同谱异物等多方面的挑战，增加了分类的复杂性。使用传统的分类算法，例如最大似然法(MaximumLikelihood，ML)、决策树法(DecisionTree，DT)、最小距离法(MinimumD本文档来自技高网...

【技术保护点】
1.一种基于特征关系图谱学习的模型训练方法，其特征在于，包括：/n(1)对于目标数据H中位于训练样本点集P中的各像素，获得所述像素在各波段上的光谱特征值向量V，其中，所述目标数据H为采用一维数组描述不同特征的数据，所述训练样本点集P为在所述目标数据H中选择的样本点；/n(2)计算V中所有元素两两之间的关系值r

【技术特征摘要】
1.一种基于特征关系图谱学习的模型训练方法，其特征在于，包括：
(1)对于目标数据H中位于训练样本点集P中的各像素，获得所述像素在各波段上的光谱特征值向量V，其中，所述目标数据H为采用一维数组描述不同特征的数据，所述训练样本点集P为在所述目标数据H中选择的样本点；
(2)计算V中所有元素两两之间的关系值rij，其中，i＝1,2,…,n，j＝1,2,…,n，n为所述目标数据H的特征总数，得到大小为n×n的特征关系矩阵R；
(3)将所述特征关系矩阵R切割成s个片段，得到s个特征关系矩阵R1,R2,…,Rs；
(4)将R1,R2,…,Rs分别转换成灰度图m1,m2,…,ms,再将m1,m2,…,ms合成具有s个通道的图片m；
(5)利用卷积神经网络的卷积层对所述图片m进行特征学习，得到一个记录了新特征值的向量O；
(6)对于所述训练样本点集P位于所述目标数据H中的各目标样本点对应像素，执行步骤(1)到步骤(5)，得到一个训练集S，利用所述训练集S，训练分类器C，其中，所有目标样本点获得的新特征值向量O构成所述训练集S。


2.根据权利要求1所述的方法，其特征在于，步骤(2)包括：
由计算V中所有元素两两之间的关系值rij，其中，i＝1,2,…,n，j＝1,2,…,n，n为目标数据H的特征总数，得到大小为n×n的特征关系矩阵R，a和b是两个常数，Bandi表示第i个波段，Bandj表示第j个波段。


3.根据权利要求1或2所述的方法，其特征在于，步骤(3)包括：
(3.1)判断特征总数n是否为片段数s的整数倍；
(3.2)若特征总数n不是片段数s的整数倍，则从所述目标数据H的原始特征空间中随机抽取若干个特征，并与所述原始特征空间叠加得到新特征空间，其中，所述新特征空间中的特征个数N为片段数s的整数倍；
(3.3)对于所述新特征空间中的每个像素，构建大小为N×N的目标特征关系矩阵R'，并按行列将R'划分成s×s个子矩阵，其中，每个子矩阵大小为(N/s)×(N/s)；
(3.4)取所述目标特征关系矩阵R'对角线穿过的子矩阵R1'，R2'，…，'Rs。


4.根据权利要求3所述的方法，其特征在于，步骤(4)包括：
将R1'，R2'，…，Rs'分别转换成灰度图像m1'，m2'，…，ms'，合成具有s个通道的图片m。


5.根据权利要求3所述的方法，其特征在于...

【专利技术属性】
技术研发人员：窦鹏，沈焕锋，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42