收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于稀疏表示和半监督主动学习的小样本高光谱数据分类问题研究

周千琪  
【摘要】:高光谱数据含有的光谱波段数量少则几十多则数百,提供了大量的有价值信息,有利于对地物进行精细分类。而高光谱数据分类却面临着数据维数高,标记样本有限,人工标记成本昂贵等具有挑战性的问题。为了解决高光谱数据分类问题,不断有学者提出新的方法。无监督分类不需要人工进行标记,但是分类准确度相对较低。传统的监督学习取得了较好的分类效果,但需要大量的标记样本。此外,为了避免休斯现象,许多算法都需要对数据进行降维处理,而降维会导致一些有价值信息的丢失。稀疏表示算法既不需要对高维数据进行降维处理,也不需要训练和学习分类器,便可实现对高光谱数据的分类。本文以稀疏表示算法为基础,围绕高光谱数据的分类问题主要做了以下几个方面的研究:1.基于稀疏表示算法探讨小样本高光谱数据分类问题中分类准确度与标记样本数量的关系问题。虽然研究人员在提高小样本高光谱数据分类准确度方面做出了不懈努力,但尚无人在标记样本数量与分类准确度的关系方面做进一步研究。本文从理论和实验两个方面推导和验证了两者之间成正相关关系,并根据实验绘制出函数曲线。该研究成果为小样本高光谱数据的分类研究提供了很好的理论和实验依据。2.针对半监督高光谱数据分类准确度不高的伪标记样本识别问题,本文在对前期工作进行总结的基础上,分析失败原因,提出了基于稀疏表示和半监督主动学习的分类框架。采用稀疏表示算法构建基分类器,结合半监督主动学习算法,一方面利用主动学习对少量“关键”样本进行标记,以降低对随机选择样本进行标记的工作量和成本,另一方面利用半监督学习得到的伪标记样本集来增加训练样本数量。为了降低伪标记样本的错分率,算法融入了伪标记确认程序来剔除可能标记错误的伪标记样本。通过实验与其它算法进行对比证明了所提算法的有效性,实现了小样本高光谱数据的高精度分类。本文基于稀疏表示算法探讨小样本高光谱数据分类问题,通过理论分析和实验论证创新性地提出分类准确度与标记样本数量之间的函数关系,与此同时,提出将稀疏表示和半监督主动学习相结合的算法框架,提高了小样本高光谱数据的分类准确度。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 陈思宝;赵令;罗斌;;局部保持的稀疏表示字典学习[J];华南理工大学学报(自然科学版);2014年01期
2 郑轶;蔡体健;;稀疏表示的人脸识别及其优化算法[J];华东交通大学学报;2012年01期
3 段菲;章毓晋;;一种面向稀疏表示的最大间隔字典学习算法[J];清华大学学报(自然科学版);2012年04期
4 张佳宇;彭力;;基于联合动态稀疏表示方法的多图像人脸识别算法[J];江南大学学报(自然科学版);2014年03期
5 查长军;孙南;张成;韦穗;;基于稀疏表示的特定目标识别[J];吉林大学学报(工学版);2013年01期
6 朱启兵;杨宝;黄敏;;基于核映射稀疏表示分类的轴承故障诊断[J];振动与冲击;2013年11期
7 王国权;张扬;李彦锋;王丽芬;马晓梅;;一种基于稀疏表示的图像去噪算法[J];工业仪表与自动化装置;2013年05期
8 耿耀君;张军英;;一种基于投影稀疏表示的基因选择方法[J];哈尔滨工程大学学报;2011年08期
9 翟懿奎;甘俊英;徐颖;曾军英;;快速稀疏表示指背关节纹识别及其并行实现[J];吉林大学学报(工学版);2012年S1期
10 詹永照;张珊珊;成科扬;;基于非线性可鉴别的稀疏表示视频语义分析方法[J];江苏大学学报(自然科学版);2013年06期
11 李洪均;谢正光;胡伟;王伟;;字典原子优化的图像稀疏表示及其应用[J];东南大学学报(自然科学版);2014年01期
12 贾旭;崔建江;薛定宇;刘晶;;基于手背静脉图像多特征稀疏表示的身份识别[J];仪器仪表学报;2011年10期
13 梁锐华;成礼智;;基于小波域字典学习方法的图像双重稀疏表示[J];国防科技大学学报;2012年04期
14 侯跃恩;李伟光;容爱琼;叶国强;;融合背景信息的分块稀疏表示跟踪算法[J];华南理工大学学报(自然科学版);2013年08期
15 查长军;韦穗;杨海蓉;丁大为;;基于稀疏表示的多类融合样本中特定目标识别[J];吉林大学学报(工学版);2014年03期
16 廖灵芝;;基于简单细胞响应稀疏性的图像稀疏表示模型[J];武汉理工大学学报;2010年16期
17 杨南海;桑媛媛;赫然;王秀坤;;基于非负稀疏表示的标签繁殖算法[J];大连理工大学学报;2012年02期
18 施云惠;李倩;丁文鹏;尹宝才;;基于稀疏表示模型的图像解码方法[J];北京工业大学学报;2013年03期
19 邹建成;车冬娟;;信号稀疏表示方法研究进展综述[J];北方工业大学学报;2013年01期
20 肖良;戴斌;吴涛;方宇强;;基于字典学习与稀疏表示的非结构化道路分割方法[J];吉林大学学报(工学版);2013年S1期
中国重要会议论文全文数据库 前3条
1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集(上册)[C];2013年
2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年
中国博士学位论文全文数据库 前10条
1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年
2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年
3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年
4 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年
5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年
6 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年
7 解虎;高维小样本阵列自适应信号处理方法研究[D];西安电子科技大学;2015年
8 秦振涛;基于稀疏表示及字典学习遥感图像处理关键技术研究[D];成都理工大学;2015年
9 薛明;基于稀疏表示的在线目标跟踪研究[D];上海交通大学;2014年
10 孙乐;空谱联合先验的高光谱图像解混与分类方法[D];南京理工大学;2014年
中国硕士学位论文全文数据库 前10条
1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年
2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年
3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年
4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年
5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年
6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年
7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年
8 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年
9 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年
10 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015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