在遙感數(shù)據(jù)應(yīng)用中,單一傳感器獲取的數(shù)據(jù)常常不能滿足實(shí)際需求,將來自不同傳感器的數(shù)據(jù)進(jìn)行融合,可以提高遙感數(shù)據(jù)的可用性以及對地物的識別能力。與單一源的遙感數(shù)據(jù)相比,融合后的數(shù)據(jù)通常具有冗余性。將融合后的數(shù)據(jù)直接進(jìn)行應(yīng)用,冗余數(shù)據(jù)將會(huì)帶來龐大的計(jì)算開銷。因此,在數(shù)據(jù)處理過程中,需要對數(shù)據(jù)進(jìn)行降維,以此消除數(shù)據(jù)冗余帶來計(jì)算時(shí)間以及存儲空間的浪費(fèi)。本論文基于流形學(xué)習(xí)算法挖掘多源遙感數(shù)據(jù)內(nèi)在低維結(jié)構(gòu),主要研究內(nèi)容如下:（1）由于傳統(tǒng)流形學(xué)習(xí)算法難以處理大規(guī)模數(shù)據(jù)集,本論文針對多源遙感數(shù)據(jù)的降維處理構(gòu)建一個(gè)完整的框架。第一,對多源遙感數(shù)據(jù)進(jìn)行歸一化;第二,確定多源遙感數(shù)據(jù)降維的目標(biāo)維度;第三,對多源遙感數(shù)據(jù)集進(jìn)行采樣,得到一個(gè)子集,即界標(biāo);第四,基于流形學(xué)習(xí)算法對界標(biāo)進(jìn)行降維,得到界標(biāo)數(shù)據(jù)集的流形骨架;第五,將未采樣的數(shù)據(jù)點(diǎn)嵌入到流形骨架中,完成整個(gè)數(shù)據(jù)集的降維;第六,基于隨機(jī)森林與支持向量機(jī)對降維后數(shù)據(jù)集分類,并進(jìn)行精度評價(jià)。（2）針對等距映射算法與局部線性嵌入算法,對鄰域選擇較為敏感。本論文使用L1范數(shù)對鄰域選擇進(jìn)行改進(jìn),改進(jìn)后的算法能夠自適應(yīng)地選擇鄰域。（3）將擴(kuò)散映射、基于t分布的隨機(jī)鄰域... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

研究區(qū)域位置概況[38]

域 A 與研究區(qū)域 B數(shù)據(jù)獲取于 2008 年 11 月 21 日，研究區(qū)域C 數(shù)據(jù)獲取于 2 1 月 10 日。SAR 影像包含三種不同的波段和三種極化模式（表 2-1），其中，Site A 地?fù)?jù)集獲取于 2008 年 11 月 16 日，Site B獲取于 2014 年 9 月 3 日， Site C 數(shù)據(jù)取于 2008 年 11 月 11 日。表 2-1 研究區(qū)光學(xué)遙感數(shù)據(jù)與 SAR 數(shù)據(jù)研究區(qū)光學(xué)數(shù)據(jù) SAR 數(shù)據(jù)傳感器 分辨率 (m) 傳感器 分辨率 (Site A (香港) SPOT-5 10 TerraSAR-X (X-Band) 3Site B (深圳) SPOT-5 10 Radarsat-2 (C-band) 8Site C (深圳) SPOT-5 10 ALOS-PALSAR (L-Band) 16本論文所使用的影像為多光譜影像與 SAR 影像融合后的數(shù)據(jù)，數(shù)據(jù)融合的工作由香港中文大學(xué)太空與地球信息科學(xué)研究所林暉教授團(tuán)隊(duì)完成，光學(xué)遙據(jù)與 SAR 數(shù)據(jù)經(jīng)過融合，數(shù)據(jù)空間分辨率為 10×10 m（圖 2-2）， 融合后遙據(jù)集信息如表 2-2。

樣得到的采樣點(diǎn)集可以使用多種流形學(xué)習(xí)算法進(jìn)行降維。本節(jié)介數(shù)對鄰域選擇進(jìn)行改進(jìn)，以改進(jìn) Isomap 算法性能。1 范數(shù)改進(jìn)原理鄰域選擇過程中，一個(gè)較為稀疏的鄰域具有十分重要的意義，而 L 范數(shù)可以得到更稀疏的解[53]。 范數(shù)計(jì)算為式（3-7）[54]。 niixx01 范數(shù)計(jì)算為式（3-8）[54]。 niixx022 L1 范數(shù)為每個(gè)元素的絕對值進(jìn)行求和，L1 范數(shù)通常也稱為曼哈為每個(gè)元素平方和的平方根，即歐氏距離。

【參考文獻(xiàn)】：
期刊論文
[1]支持向量機(jī)理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學(xué)學(xué)報(bào). 2011(01)
[2]基于Isomap的流形結(jié)構(gòu)重建方法[J]. 孟德宇,徐晨,徐宗本.  計(jì)算機(jī)學(xué)報(bào). 2010(03)
[3]流形學(xué)習(xí)算法綜述[J]. 王自強(qiáng),錢旭,孔敏.  計(jì)算機(jī)工程與應(yīng)用. 2008(35)
[4]一種更具拓?fù)浞�(wěn)定性的ISOMAP算法[J]. 邵超,黃厚寬,趙連偉.  軟件學(xué)報(bào). 2007(04)
[5]基于隨機(jī)森林的文本分類模型研究[J]. 張華偉,王明文,甘麗新.  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2006(03)
[6]流形學(xué)習(xí)概述[J]. 徐蓉,姜峰,姚鴻勛.  智能系統(tǒng)學(xué)報(bào). 2006(01)
[7]一種改進(jìn)的局部切空間排列算法[J]. 楊劍,李伏欣,王玨.  軟件學(xué)報(bào). 2005(09)
[8]線性低秩逼近與非線性降維[J]. 張振躍,查宏遠(yuǎn).  中國科學(xué)（A輯:數(shù)學(xué)）. 2005(03)
[9]線性流形上的矩陣最佳逼近[J]. 戴華.  高校應(yīng)用數(shù)學(xué)學(xué)報(bào)A輯（中文版）. 1994(03)

博士論文
[1]多源遙感地表溫度數(shù)據(jù)時(shí)空融合研究及應(yīng)用[D]. 魏然.武漢大學(xué) 2016
[2]圖嵌入框架下流形學(xué)習(xí)理論及應(yīng)用研究[D]. 黃鴻.重慶大學(xué) 2008

碩士論文
[1]高光譜圖像流形學(xué)習(xí)算法研究[D]. 盧雨風(fēng).電子科技大學(xué) 2016
[2]局部線性嵌入的流形學(xué)習(xí)算法研究與應(yīng)用[D]. 肖健.國防科學(xué)技術(shù)大學(xué) 2005
[3]衛(wèi)星多源遙感SAR圖像和TM圖像融合研究[D]. 何貴青.西北工業(yè)大學(xué) 2005



本文編號：2995725