流形假設(shè)提出高維數(shù)據(jù)具有低維非線性流形的幾何結(jié)構(gòu)即流形,在此基礎(chǔ)上,為了更好的刻畫高維數(shù)據(jù)中的低維流形結(jié)構(gòu),本文闡述了收縮自編碼器(CAE)方法對數(shù)據(jù)進行魯棒建模的內(nèi)在機理,即其能夠刻畫輸入數(shù)據(jù)空間中的一個低維流形結(jié)構(gòu),發(fā)現(xiàn)流形的低維性取決于雅可比矩陣奇異值的稀疏性,并提出一種新的特征表示方法-強收縮自編碼器(TCAE).TCAE利用跡范的約束性,將CAE中的Frobenius范約束改為跡范約束,使得雅可比矩陣的奇異值具有更強的稀疏性,有助于學(xué)習(xí)到一個更加低維和密集的流形,從而更魯棒的刻畫所學(xué)習(xí)流形的局部低維性質(zhì).首先證明TCAE所對應(yīng)的優(yōu)化問題具有閉式解,并基于Primal-dual算法將TCAE優(yōu)化問題轉(zhuǎn)化成兩個子問題,給出TCAE的求解算法,同時證明其收斂性.為了驗證TCAE相比于CAE的特征表示方法的應(yīng)用效果,本文以莫莫格濕地為研究對象,選擇研究區(qū)的Landsat7的7個波段影像和對應(yīng)的56個紋理特征作為遙感圖像的特征,將其分為居民區(qū)、水區(qū)、耕地區(qū)、草地區(qū)、濕地區(qū)、未利用區(qū)共六種.分別采用CAE方法和TCAE方法提取中層特征,并利用支撐向量機算法進行分類,從得到的CAE與TCA...

【文章頁數(shù)】：37 頁

【學(xué)位級別】：碩士

圖4.1:莫莫格濕地遙感圖像

圖4.2:分類流程圖

圖4.3:莫莫格濕地地物分類結(jié)果

本文編號：3888684