基於主動半監督學習的遙感影像分類

《基於主動半監督學習的遙感影像分類》是依託中國礦業大學，由王雪松擔任項目負責人的面上項目。

基本介紹

• 中文名：基於主動半監督學習的遙感影像分類
• 項目類別：面上項目
• 項目負責人：王雪松
• 依託單位：中國礦業大學

項目摘要

遙感影像的分類是遙感數據在土地資源分析及套用的第一步，是人們獲取遙感信息的一種重要手段。針對遙感數據具有的高維數、小樣本和數據量大的特性，利用機器學習理論和方法，研究遙感影像的分類問題。內容包括：為克服維數災困難，將稀疏編碼技術引入鄰接圖的構造，設計一種基於稀疏編碼的遙感影像特徵提取算法及其正交化、張量化和半監督化擴展；為提高分類器的泛化能力，設計一種具有稀疏特性的監督型L1範數支持向量機；為解決有標記樣本少導致分類精度下降的問題，將L1範數支持向量機進行半監督化擴展；為快速、高效地從大規模遙感數據中主動選擇最有利於改善分類器性能的樣本添加到已標記樣本中進行學習，提出一種主動半監督L1範數支持向量機；基於上述理論研究成果，開發遙感影像自動分類系統。研究成果不但可以為解決遙感影像分類問題提供新的分析設計方法和技術儲備，而且可以進一步深化和豐富現有的機器學習理論，具有重大理論意義和實用價值。

結題摘要

針對遙感數據具有的高維數、小樣本和數據量大的特性，利用機器學習理論和方法，研究遙感影像的降維和分類問題。在降維算法方面：為保持每個樣本間的稀疏結構關係和各樣本的內在流形結構不變，提出非負稀疏嵌入投影降維算法。針對非負稀疏表示存在計算複雜、重構精度低等問題，引入超完備塊字典，設計了基於塊非負稀疏表示的高光譜數據降維算法。針對高光譜數據的張量特性，提出一種同時考慮高光譜地物的空間特徵和光譜特徵的基於張量距離補丁校準的降維算法。利用遷移學習技術，提出一種基於成對約束判別分析-非負稀疏散度的降維算法。採用加權距離度量測度來衡量樣本間的相似度並進而選擇近鄰樣本，提出一種基於加權近鄰保持嵌入的降維算法。通過對數據集上的全部樣本構造相似圖和懲罰圖，提出一種基於圖的半監督判別局部排列降維算法。在分類算法方面：針對傳統支持向量機不能正確分類不確定性及受干擾樣本的缺陷，設計一種機率型最小二乘支持向量分類機。針對高維數、小樣本數據分類問題，提出一種基於隨機子空間-正交局部保持投影的支持向量機。將準熵和熵差分融合，提出一種基於混合熵和L1範數的遙感圖像分類方法。提出一種基於軟間隔委員會投票主動學習的遙感影像分類方法，可適用於含噪聲或數據線性不可分的套用場合。為解決最大相關最小冗餘屬性選擇方法易於引入冗餘屬性的問題，提出一種類相關性影響可變選擇性貝葉斯分類器。針對有標籤樣本較少導致的屬性評價不準確問題，提出一種基於半監督聚類的選擇性貝葉斯分類器。此外，根據國內外與本項目相關內容的發展情況，還對半監督學習、遷移學習和強化學習等進行了研究。基於上述成果，申請發明專利2項，獲教育部高等學校自然科學二等獎1項，指導博士後2名，培養博、碩士研究生7名，出版專著2部，發表/錄用學術論文37篇，被SCI收錄7篇，被Ei收錄21篇。