免费论文摘要：高光谱遥感印象监视分门别类算法要害本领接洽

高光谱成像仪记载察看地区各别波优点贯串多个波段的印象，不妨创造宽波段遥感没辙探测的物资。高光谱印象光谱辨别率高，分门别类算法的安排遇到新的题目，重要展现为以次两上面：①受Hughes效力感化，演练样品有时艰，保守分门别类器在高维空间中国建筑工程总公司模精度不及；②高光谱印象数据量大，算法论理搀杂，处置体例计划功效低、及时性差。对准上述两上面题目，舆论将统计形式辨别和呆板进修的最新接洽功效运用于高光谱印象，处置分门别类题目中的小样品进修题目，并运用并行计划本领普及算法功效。经过上述接洽，安排高精度、高功效的高光谱印象监视分门别类算法，舆论重要接洽实质如次：1. 从特性索取和低搀杂度分门别类器两上面接洽小样品进修的来由妥协决本领，运用三套个性各别的数据所有比拟多种典范算法，囊括辨别领会特性索取（Discriminant Analysis Feature Extraction, DAFE）、非参数权重特性索取（Nonparametric Weighted Feature Extraction, NWFE）、最小欧氏隔绝（Minimum Euclidean Distance, MED）、高斯极大似然（Gaussian Maximum Likelihood, GML）、K隔壁（K-nearest Neighbors, KNN）、径向基因变量神经搜集（Radial Basis Functions Neural Network, RBFNN）和扶助向量机（Support Vector Machine, SVM）。试验截止表白：DAFE参数估量精度低，灵验特性数受类型数控制；NWFE与GML的拉拢功效最好，但均值估量缺点大，对MED失效；对易分门别类题目，各本领本能好像，SVM处置难分题目的本领优于其它本领；各本领精度随样品范围变革顺序沟通，演练样品越少，分门别类精度越低，都受各别水平Hughes效力的感化；SVM和RBFNN参数多、优化进程烦琐，RBFNN目标于大范围搜集，演练速率慢、且易展示过进修局面。2. 运用监视限制线性嵌入（Supervised Locally Linear Embedding, SLLE）实行高光谱印象特性索取，处置高光谱印象分门别类的小样品进修题目，初次所有归结、比拟了SLLE的十种实行本领，并对准尝试样品映照的缺点提出矫正算法。限制线性嵌入（Locally Linear Embedding, LLE）经过限制线性联系维持数据的全部非线性构造，不妨创造数据的低维本征空间，优于DAFE等线性特性索取算法。LLE未运用演练样品消息，索取的特性对分门别类偶然灵验，按照演练样品隔绝矩阵矫正算法（Regularized Method, regMeth）与尝试样品低维映照求解算法（Mapping Method, mapMeth）的分别，接洽了SLLE的十种实行本领。试验截止表白，三种regMeth本领本能逼近，mapMeth中线性归结法2（Linear Generalization 2, LG2）本能最优。LG2算法中，尝试样品隔壁点探求的功效受高维空间中KNN分门别类精度控制，所以沿用NWFE动作预处置本领，普及尝试样品的映照精度。矫正后，SLLE索取的低维特性空间中分门别类精度明显普及，且优于线性高光谱特性索取算法。3. 运用关系向量机（Relevance Vector Machine, RVM）处置高光谱印象分门别类的小样品进修题目，比拟四种多类RVM算法，并提出鉴于遗传算法（Genetic Algorithm, GA）的矫正算法GA-RVM，探求面向RVM的最优参数和特性子空间。RVM以稠密贝叶斯进修为表面普通，受Hughes效力感化小，可径直在高维空间分门别类。RVM为二分门别类器，可经过一对一（One Against One, OAO）、一对多（One Against All, OAA）、二元Logistic回归（Binary Logistic Regression, BLR）和多元Logistic回归（Multinomial Logistic Regression, MLR）实行多分门别类，试验截止表白BLR和MLR功效低，本质运用中不行取；OAA精度最好，但演练样品过多实效率较低；OAO功效最高，当演练样品较多时优先采用。经过与SVM等比拟创造，RVM解更稠密、猜测功夫短，符合于大场景高光谱印象分门别类。对准穿插考证本领探求最优参数进程烦琐，以及高光谱印象波段间冗余消息量大的题目，运用GA探求面向RVM的最优参数和特性子空间，普及分门别类精度，试验截止考证了GA-RVM算法的灵验性。4. 运用并行计划本领优化高光谱印象处置算法、普及分门别类功效，开始归结高光谱印象处置算法并行化安排规则，从而提出LLE和RVM的并行优化本领。贯串高斯马尔可夫随飞机场、好多矫正和非负矩阵领会三种典范算法，接洽空域领会、谱域领会和计划领会并行形式，运用并行I/O本领处置并行好多矫正算法数据考察量大的题目，并经过窜改算法论理取消并行非负矩阵领会算法的搜集开支，上述实质涵盖了高光谱算法并行化安排的重要题目。对准RVM演算特性，提出两种计划领会型并行RVM算法PRVM-MultiClass和PRVM-Ensemble，辨别从多分门别类本领的计划过程和拉拢分门别类的观点将RVM领会为多个独力的演算单位，试验截止表白两种并行算法均能普及RVM的分门别类功效。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://www.87cpy.com/205773.html