針對(duì)高光譜數(shù)據(jù)維度高、樣本數(shù)有限對(duì)分類精度產(chǎn)生局限性的問題,提出了一種結(jié)合隨機(jī)子空間與堆棧式稀疏自編碼器深度網(wǎng)絡(luò)模型（SSAE-LR）的高光譜圖像分類新方法。首先基于像素鄰域窗口進(jìn)行像素鄰域結(jié)構(gòu)信息的空間特征提取,并將其與光譜信息進(jìn)行串行拼接;然后利用隨機(jī)子空間方法在得到的整體特征空間中隨機(jī)選取若干大小相同的特征子集;最后在這些特征子集上利用SSAE-LR訓(xùn)練獲得基分類器,并將所有基分類器的輸出進(jìn)行集成得到分類結(jié)果。通過兩組高光譜圖像數(shù)據(jù)的實(shí)驗(yàn)結(jié)果可知,該方法能有效提高傳統(tǒng)方法的分類效果。 

【文章來源】：地理空間信息. 2020,18(09)

【文章頁數(shù)】：7 頁

【部分圖文】：

鄰域結(jié)構(gòu)信息提取過程

池化操作

自動(dòng)編碼器是深度學(xué)習(xí)中的一種典型算法，可實(shí)現(xiàn)非監(jiān)督的數(shù)據(jù)特征提取，是由輸入層、隱含層和重構(gòu)層構(gòu)成的3層前饋神經(jīng)網(wǎng)絡(luò)，其中輸入層和重構(gòu)層的節(jié)點(diǎn)數(shù)相等（圖3）。SAE通過對(duì)自編碼網(wǎng)絡(luò)中隱含層的輸出作一定的限制，使得大多數(shù)的隱含層節(jié)點(diǎn)都處于非激活狀態(tài)，進(jìn)而使編碼后的表達(dá)更有意義。對(duì)于高光譜數(shù)據(jù)，假設(shè)x∈Rd(d為輸入層神經(jīng)元數(shù)）表示一個(gè)像素的空譜特征，通過線性函數(shù)和激活函數(shù)（Sigmoid函數(shù)）映射到隱含層，得到編碼結(jié)果y∈Rm(m為隱含層神經(jīng)元數(shù)），并以同樣的步驟將隱含層向量y映射到重構(gòu)層z(z∈Rd），則有：

【參考文獻(xiàn)】：
期刊論文
[1]高光譜遙感影像分類研究進(jìn)展[J]. 杜培軍,夏俊士,薛朝輝,譚琨,蘇紅軍,鮑蕊.  遙感學(xué)報(bào). 2016(02)

碩士論文
[1]基于SVM與子空間結(jié)合的高光譜圖像分類算法研究[D]. 閆會(huì)敏.西安科技大學(xué) 2014
[2]深度學(xué)習(xí)中的自編碼器的表達(dá)能力研究[D]. 王雅思.哈爾濱工業(yè)大學(xué) 2014



本文編號(hào)：3123742