收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于集成学习的高光谱遥感影像分类

夏俊士  
【摘要】:伴随着高光谱成像光谱仪像向更高空间和光谱分辨率的快速发展,对现有的数据处理方法提出了新的挑战,需要发展新的数据处理方法。作为机器学习中最有效的方法之一,集成学习使用多个学习机(算法)来解决同一问题,能够显著地提高学习系统的准确性和稳定性。本文从集成学习的理论基础出发,将集成学习引入到高光谱遥感影像分类中,系统研究了旋转森林、监督/半监督特征提取集成分类和光谱-空间特征集成分类等问题。论文主要内容和结论如下: 1)将旋转森林应用于高光谱遥感影像分类,运用了不同特征提取算法,实现了基于独立成分分析、最大噪声分离和局部线性判别分析的旋转森林,并对应用不同特征提取算法的旋转森林分类器的性能进行分析。试验结果表明旋转森林的性能优于常规集成学习算法(Bagging等),基于主成分分析和独立成分分析特征提取算法更为有效。 2)将半监督/监督概率主成分分析用于高光谱遥感影像分类特征提取,从不同数据、不同数量的标记样本和未标记样本、计算时间等方面对半监督/监督概率主成分分析与其他高光谱遥感影像特征提取算法进行比较分析,结果证明半监督/监督概率主成分分析提取出来的分类特征能够得到精度较高的分类结果。在此基础上,提出了通过半监督概率主成分分析、监督概率主成分分析和无参数加权特征提取三种监督/半监督特征提取算法,构建监督/半监督特征提取的并行/串行集成分类策略,分类结果表明基于监督/半监督特征提取集成策略能够有效提高高光谱遥感影像分类精度。 3)建立了基于半监督特征提取和图像分割、马尔科夫模型的光谱-空间特征综合分类模型,图像分割分别选择聚类分割、分水岭分割和Mean-shift分割。马尔科夫模型通过最小化局部能量函数,采用模拟退火算法,能够有效的使邻近像元聚集。光谱-空间特征综合模型使高光谱遥感影像分类精度得到显著改善,并且能够降低遥感影像分类的噪声,分类结果更接近于真实地物分布。 4)结合理论研究,研发了高光谱遥感影像集成学习分类系统,该系统包含遥感影像基本处理、分类、聚类、分割、训练层和特征层集成、并行/串行集成、差异性测度和光谱-空间集成等功能,以城市不透水面层提取分析为例,分析了该系统在实际应用中高光谱遥感信息处理的优势。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 潘志松;燕继坤;;少数类的集成学习[J];南京航空航天大学学报;2009年04期
2 饶峰;;核机器集成学习算法的误差分析[J];重庆文理学院学报(自然科学版);2010年04期
3 朱敏;张永清;李梦龙;周大威;黄俊;;基于集成学习方法的蛋白质相互作用预测[J];四川大学学报(工程科学版);2011年03期
4 唐耀华;高静怀;包乾宗;;一种新的选择性支持向量机集成学习算法[J];西安交通大学学报;2008年10期
5 倪勇;吴汶芪;李君;;基于小样本的集成学习研究[J];机电工程;2009年12期
6 蒋宗礼;徐学可;;一种基于集成学习与类指示器的文本分类方法[J];北京工业大学学报;2010年04期
7 张伶卫;万文强;;基于云计算平台的代价敏感集成学习算法研究[J];山东大学学报(工学版);2012年04期
8 李文斌;刘椿年;钟宁;;基于两阶段集成学习的分类器集成[J];北京工业大学学报;2010年03期
9 付忠良;;一种用于方向预测的集成学习算法[J];上海交通大学学报;2012年02期
10 李晓欧;范婵娇;;集成学习在脑机接口分类算法中的研究[J];电子测量与仪器学报;2011年11期
11 慕昱;夏虹;刘永阔;;基于集成学习的核电站故障诊断方法[J];原子能科学技术;2012年10期
12 杜培军;阿里木·赛买提;;高分辨率遥感影像分类的多示例集成学习[J];遥感学报;2013年01期
13 卓丽霞;田佳;;基于C4.5算法的集成方法研究[J];重庆工学院学报;2006年11期
14 王晓丹;高晓峰;姚旭;雷蕾;;SVM集成研究与应用[J];空军工程大学学报(自然科学版);2012年02期
15 董丽丽;高山;张翔;;集成学习算法在实体关系抽取中的应用[J];西安建筑科技大学学报(自然科学版);2011年03期
16 张雁;林英;吕丹桔;;集成学习在遥感分类中的应用[J];计算机与数字工程;2013年05期
17 刘辉;庞佑霞;唐勇;;基于集成学习算法的生物质气化炉改进模糊双闭环控制系统[J];仪器仪表学报;2013年03期
18 刘克文;蒲天骄;周海明;刘广一;;风电日前发电功率的集成学习预测模型[J];中国电机工程学报;2013年34期
19 付忠良;赵向辉;;分类器动态组合及基于分类器组合的集成学习算法[J];四川大学学报(工程科学版);2011年02期
20 廖明生;江利明;林珲;杨立民;;基于CART集成学习的城市不透水层百分比遥感估算[J];武汉大学学报(信息科学版);2007年12期
中国重要会议论文全文数据库 前4条
1 关菁华;刘大有;贾海洋;;自适应多分类器集成学习算法[A];第二十五届中国数据库学术会议论文集(二)[C];2008年
2 刘伍颖;王挺;;一种多过滤器集成学习垃圾邮件过滤方法[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
3 叶红云;倪志伟;陈恩红;;一种混合型集成学习演化决策树算法[A];2005年“数字安徽”博士科技论坛论文集[C];2005年
4 李烨;蔡云泽;许晓鸣;;基于支持向量机集成的故障诊断[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
中国博士学位论文全文数据库 前10条
1 张春霞;集成学习中有关算法的研究[D];西安交通大学;2010年
2 刘天羽;基于特征选择技术的集成学习方法及其应用研究[D];上海大学;2007年
3 尹华;面向高维和不平衡数据分类的集成学习研究[D];武汉大学;2012年
4 王清;集成学习中若干关键问题的研究[D];复旦大学;2011年
5 方育柯;集成学习理论研究及其在个性化推荐中的应用[D];电子科技大学;2011年
6 李烨;基于支持向量机的集成学习研究[D];上海交通大学;2007年
7 程丽丽;支持向量机集成学习算法研究[D];哈尔滨工程大学;2009年
8 林智勇;基于核方法的不平衡数据学习[D];华南理工大学;2009年
9 李磊军;基于间隔和置信度的选择性集成学习算法研究[D];哈尔滨工业大学;2014年
10 夏俊士;基于集成学习的高光谱遥感影像分类[D];中国矿业大学;2013年
中国硕士学位论文全文数据库 前10条
1 张妤;支持向量机集成学习方法研究[D];山西大学;2008年
2 李涛;基于条件互信息的集成学习的研究与应用[D];中国海洋大学;2009年
3 杨长盛;基于成对差异性度量的选择性集成学习方法研究[D];安徽大学;2010年
4 曹振田;基于Q统计量的选择性集成学习研究[D];安徽大学;2010年
5 王丽丽;集成学习算法研究[D];广西大学;2006年
6 马冉冉;集成学习算法研究[D];山东科技大学;2010年
7 张新东;集成学习及其应用研究[D];石家庄经济学院;2010年
8 吴科主;基于多任务的多层次选择性集成学习的研究[D];安徽工业大学;2010年
9 李平;集成学习中差异性控制方法研究[D];大连海事大学;2012年
10 田智辉;基于集成学习的故障诊断方法研究[D];西安石油大学;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978