检索结果-南通市图书馆

基于SVC和过采样的类别非均衡农业高光谱数据分类

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

农业机械学报 2019年第6期50卷 257-264页

作者：袁培森翟肇裕任守纲顾兴健徐焕良南京农业大学信息科学技术学院南京210095 马德里理工大学技术工程和电信系统高级学院马德里28040 国家信息农业工程技术中心南京210095

系统研究了农业高光谱数据中少数类的分类质量问题。为了提升少数类的分类质量,提出采用过采样SMOTE技术增加少数类新样本,同时研究了SMOTE技术中新样本生成策略和少数类采样倍率对高光谱数据中少数类分类结果的影响,以及不平衡数据集... 详细信息

系统研究了农业高光谱数据中少数类的分类质量问题。为了提升少数类的分类质量,提出采用过采样SMOTE技术增加少数类新样本,同时研究了SMOTE技术中新样本生成策略和少数类采样倍率对高光谱数据中少数类分类结果的影响,以及不平衡数据集上分类器与模型的匹配度。在新的采样数据集上采用多类分类SVC技术对少数类分类,提升了非均衡高光谱数据集中少数类的分类质量。在真实数据集上进行了试验验证,并对不同的分类方法和系统参数进行了试验对比和分析,结果表明,本文方法能够显著地提高非均衡高光谱数据中少数类分类效果,平均分类精度不小于0.82,平均召回率提升幅度为11.11%~26.15%,F1提升幅度为5.81%~40.85%。

关键词：高光谱数据分类支持向量分类过采样非均衡数据 SMOTE

在线全文

学校读者我要写书评

暂无评论

基于深度学习集成的高光谱数据分类方法研究

基于深度学习集成的高光谱数据分类方法研究

作者：王莹哈尔滨理工大学

学位级别：硕士

高光谱数据分类技术一直是遥感领域的热点问题之一,随着高光谱成像系统的进一步发展,高光谱数据的空间分辨率会更高,信息将更加丰富,传统的高光谱数据分类技术不能高效地利用高光谱数据的空间信息和光谱信息。为了将高光谱数据的空间信... 详细信息

高光谱数据分类技术一直是遥感领域的热点问题之一,随着高光谱成像系统的进一步发展,高光谱数据的空间分辨率会更高,信息将更加丰富,传统的高光谱数据分类技术不能高效地利用高光谱数据的空间信息和光谱信息。为了将高光谱数据的空间信息和光谱信息有效的结合利用,提高分类精度,本文研究了基于深度学习集成的高光谱数据分类方法。本文的主要内容包括:首先,了解高光谱数据、深度学习和集成学习的基础知识,包括高光谱数据的特征,以及高光谱数据的分类,详细了解几种传统的高光谱数据分类方法,在了解和实现了几种传统的高光谱数据分类算法的基础上,对这几种传统的分类方法存在的不足加以分析。其次,为了提高高光谱数据分类的准确度,本文改进了基于深度学习集成的高光谱数据分类方法,具体的方法是将高光谱数据的光谱维进行随机抽取,分别以深层卷积神经网络、残差网络模型为个体子分类器,最后将所有子分类器进行多数投票的方式,确定最后样本的类别,得到比传统分类方法更好的分类精度。为进一步提升分类精度,迁移学习的提出有效地达到了该目的,将已经训练好的深度卷积神经网络模型的学习权重迁移到另一个深度卷积神经网络模型中,高效的提高了模型训练速度和分类精度。最后,本文研究了一种基于深度学习与随机森林集成的对高光谱数据分类的算法。首先,对高光谱数据在光谱维进行随机抽取,建立“森林”,其次在“森林”中进行空间维的随机抽取,形成“树”,同样以深层卷积神经网络模型为个体子分类器,采用迁移学习的方式进行权重迁移,多数投票的方式确定最后的样本类别。从实验中证明,该方法较于传统的分类方法对于高光谱数据分类是强有力的解决方法。

关键词：高光谱数据分类深度学习卷积神经网络集成随机森林

基于独立分量分析和相关向量机的高光谱数据分类

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

现代电子技术 2010年第13期33卷 123-126,130页

作者：殷岳萌冯燕刘萌萌西北工业大学电子信息学院陕西西安710129

提出一种独立分量分析(ICA)和相关向量机(RVM)相结合的高光谱数据分类方法,首先采用虚拟维数方法对高光谱数据维数进行估计,在此基础上,采用独立分量分析对数据进行降维,然后采用相关向量机对降维后的数据分类。计算机仿真实验结果表明... 详细信息

提出一种独立分量分析(ICA)和相关向量机(RVM)相结合的高光谱数据分类方法,首先采用虚拟维数方法对高光谱数据维数进行估计,在此基础上,采用独立分量分析对数据进行降维,然后采用相关向量机对降维后的数据分类。计算机仿真实验结果表明,该方法在获得较高分类精度的同时大大节省了分类时间。

关键词：高光谱数据分类虚拟维数独立分量分析相关向量机

图Laplacian半监督特征加权用于高光谱波段选择

在线全文

学校读者我要写书评

暂无评论

应用科学学报 2011年第6期29卷 626-630页

作者：黄睿陈玲上海大学通信与信息工程学院上海200072

提出一种利用图Laplacian实现半监督波段选择的方法.该方法首先将标记样本类别信息引入图Laplacian,接着通过广义特征值求解确定投影变换矩阵,最后采用载荷因子对变换矩阵进行系数分析,对波段重要性赋以权值并排序.实验比较了多种波段... 详细信息

提出一种利用图Laplacian实现半监督波段选择的方法.该方法首先将标记样本类别信息引入图Laplacian,接着通过广义特征值求解确定投影变换矩阵,最后采用载荷因子对变换矩阵进行系数分析,对波段重要性赋以权值并排序.实验比较了多种波段选择算法,结果表明算法能更好地利用标记样本的类别信息和大量非标记样本中的局部结构信息,性能优于多种波段选择方法.

关键词：半监督特征加权图Laplacian 波段选择高光谱数据分类

在线全文

学校读者我要写书评

暂无评论

基于粒子群算法和序贯搜索的高光谱波段选择

数据采集与处理 2012年第4期27卷 469-473页

作者：黄睿何文勇上海大学通信与信息工程学院上海200072

波段选择是降低高光谱数据量,克服地物分类中Hughes现象的有效手段。子集生成方式和评价准则是选择算法的两要素。提出一种混合随机搜索与启发式搜索的子集生成方法。该方法在随机搜索中嵌入启发式搜索,对由离散粒子群优化算法每次迭代... 详细信息

波段选择是降低高光谱数据量,克服地物分类中Hughes现象的有效手段。子集生成方式和评价准则是选择算法的两要素。提出一种混合随机搜索与启发式搜索的子集生成方法。该方法在随机搜索中嵌入启发式搜索,对由离散粒子群优化算法每次迭代更新的种群利用序贯搜索进行局部微调,提高了随机搜索的精度。这种嵌入微调也保证了优化算法解的有效性。高光谱波段选择与分类实验比较了该方法与混合遗传算法、标准遗传算法和顺序前向浮动选择算法的性能,表明算法能选择出评价准则意义下更好的子集。

关键词：粒子群优化高光谱数据分类波段选择序贯搜索

图Laplacian和自训练用于高光谱数据半监督波段选择

在线全文

学校读者我要写书评

暂无评论

数据采集与处理 2014年第6期29卷 981-985页

作者：黄睿吕智强上海大学通信与信息工程学院上海200072

波段选择是数据降维的有效手段,但有限的标记样本影响了监督波段选择的性能。提出一种利用图Laplacian和自训练策略实现半监督波段选择的方法。该方法首先定义基于图的半监督特征评分准则以产生初始波段子集,接着在该子集基础上进行分类... 详细信息

波段选择是数据降维的有效手段,但有限的标记样本影响了监督波段选择的性能。提出一种利用图Laplacian和自训练策略实现半监督波段选择的方法。该方法首先定义基于图的半监督特征评分准则以产生初始波段子集,接着在该子集基础上进行分类,采用自训练策略将部分可信度较高的非标记样本扩展至标记样本集合,再用特征评分准则对波段子集进行更新。重复该过程,获得最终波段子集。高光谱波段选择与分类实验比较了多种非监督、监督和半监督方法,实验结果表明所提算法能选择出更好的波段子集。

关键词：高光谱数据分类波段选择半监督学习图Laplacian 自训练

在线全文

学校读者我要写书评

暂无评论

面向分类应用的高光谱谱段选择方法

计算机工程与应用 2017年第5期53卷 154-158页

作者：王雅超武刚丁丽霞北京林业大学信息学院北京100083 浙江农林大学环境与资源学院浙江临安311300

高光谱数据在物质分类识别领域得到了广泛应用,但存在数据量大、波段间相关性高等问题,严重影响分类精度及应用。针对以上问题分析了已有的波段选择方法,提出了基于波段聚类及监督分类的遗传算法,对高光谱数据进行波段选择:采用K均值聚... 详细信息

高光谱数据在物质分类识别领域得到了广泛应用,但存在数据量大、波段间相关性高等问题,严重影响分类精度及应用。针对以上问题分析了已有的波段选择方法,提出了基于波段聚类及监督分类的遗传算法,对高光谱数据进行波段选择:采用K均值聚类算法对波段数据进行聚类分析,构造波段子集合;利用分类器族分类精度构造适应度函数,采用遗传算法对波段子集合进行优化选择。最后用阔叶林高光谱数据对提出的算法进行对比实验,实验结果表明针对分类应用,提出的算法能够非常有效地选择高光谱谱段。

关键词：遗传算法谱段选择 K均值聚类高光谱数据分类

在线全文

学校读者我要写书评

暂无评论

利用粒子群优化估计高光谱数据协方差矩阵

计算机工程与应用 2010年第23期46卷 203-205,230页

作者：周丽娜黄睿李先华上海大学通信与信息工程学院遥感与空间信息科学研究中心上海200072

与传统的多光谱遥感相比,高光谱遥感具有更高的光谱分辨率,能更好地进行地物分类识别。但是,当训练样本数与数据维数相当,或小于后者时,会导致协方差矩阵近似奇异或奇异,使得经典最大似然分类失效,需要对协方差矩阵进行修正。典型的协... 详细信息

与传统的多光谱遥感相比,高光谱遥感具有更高的光谱分辨率,能更好地进行地物分类识别。但是,当训练样本数与数据维数相当,或小于后者时,会导致协方差矩阵近似奇异或奇异,使得经典最大似然分类失效,需要对协方差矩阵进行修正。典型的协方差阵估计方法往往只选取总体协方差、类别协方差及其相应变形中的两种形式进行组合,未考虑多种形式共同对协方差阵估计的影响。提出将PSO算法应用到协方差阵估计中,考虑所有形式的共同作用,对组合参数进行优化。最后,通过高光谱数据的分类实验证明了方法的可行性和有效性。

关键词：高光谱数据分类有限训练样本协方差矩阵估计粒子群优化算法(PSO)

在线全文

学校读者我要写书评

暂无评论

高光谱数据半监督波段选择研究

高光谱数据半监督波段选择研究

作者：吕智强上海大学

学位级别：硕士

高光谱遥感可以获取地物从可见到近红光谱范围的连续光谱特性曲线，是重要的遥感信息获取方式。然而，高光谱数据呈现出的显著的高维和海量特点，也给后续数据处理分析带来挑战。通过波段选择对高维数据进行降维已成为高光谱数据分析重... 详细信息

高光谱遥感可以获取地物从可见到近红光谱范围的连续光谱特性曲线，是重要的遥感信息获取方式。然而，高光谱数据呈现出的显著的高维和海量特点，也给后续数据处理分析带来挑战。通过波段选择对高维数据进行降维已成为高光谱数据分析重要的预处理手段。目前，多数的波段选择算法仅利用了标记样本信息，当标记样本非常有限时生成的波段子集性能不佳。半监督波段选择同时利用了标记样本提供的先验信息和未标记样本隐含的类别信息，是解决标记样本有限情况下降维问题的有效手段。在这种背景下，本文对高光谱数据半监督波段选择展开研究。主要的研究内容如下： (1)对波段选择和半监督学习理论进行系统介绍，总结多种半监督特征选择算法的优缺点。 (2)提出一种基于图的Laplacian和自训练策略的半监督波段选择的方法GSTS。该方法首先定义半监督特征评分准则以产生初始波段子集，接着在该子集基础上进行分类，通过自训练迭代，将部分可信度较高的非标记样本扩展至标记样本集合，再用特征评分准则对波段子集进行更新。重复该过程，获得最终波段子集。高光谱数据波段选择和分类实验对GSTS和多种监督、半监督和非监督方法的性能进行了比较，结果表明GSTS能选择出性能更好的波段子集，优势明显。 (3)针对基于图的学习方法在构建图时运算量大的问题，提出一种基于样本约简的半监督波段选择方法。方法首先采用主成分分析进行高光谱数据降维，接着利用分水岭算法对降维后图像实现预分类，并从各聚类中按比例随机抽取未标记样本。最后将抽取的未标记样本用于算法GSTS中图的构建，完成半监督波段选择。高光谱数据的波段选择和分类实验表明，该样本约简方法优于基于简单随机抽样的样本选择。方法能选出有代表性的未标记样本，与基于图的波段选择方法结合，不但能降低算法运算量，也能使其性能得到一定程度的提升。

关键词：高光谱数据分类波段选择半监督学习图Laplacian 样本选择