流形學習算法研究與應用.pdf

1、流形是微分幾何中的一個重要概念，近年來在工程應用領(lǐng)域，機器學習的一個研究熱點方向就是基于局部線性和全局非線性假設的流形學習方法。流形學習可以有效地探測高維數(shù)據(jù)空間中內(nèi)蘊的非線性結(jié)構(gòu)，將其在低維空間中進行重構(gòu)，并在重構(gòu)時保留這些非線性結(jié)構(gòu)特征，所以流形學習是一種有效的降維算法和數(shù)據(jù)可視化算法。
　　由于流形學習算法優(yōu)秀的非線性降維特性，所以已經(jīng)被應用至多個工程實踐，在高光譜遙感數(shù)據(jù)降維中也得到廣泛研究。但流形學習作為高光譜遙感影像的

2、非線性特征提取方法時，面對后續(xù)的分類任務時，暴露出了幾個問題:本征維數(shù)估計、噪聲干擾、鄰近點選擇、樣本外點的學習問題等。當前針對高光譜數(shù)據(jù)流形降維的算法研究基本都是針對以上問題的，所以在流形學習算法的應用研究方面需要針對以上幾點進行算法改進和創(chuàng)新。本文針對流形學習算法在高光譜遙感數(shù)據(jù)處理和空中手寫識別應用兩方面提出了三個研究創(chuàng)新:
　　（一）實際應用中的高光譜遙感圖像都是大尺度圖像，針對大尺度高光譜流形降維算法的研究比較少，為了填

3、補這個空白，本文提出了一種改進的大尺度高光譜流形降維算法(Ⅱ)SOMAP-LLE（增量等距映射與局部線性嵌入結(jié)合算法）。
　?。ǘ┰?Ⅱ)SOMAP-LLE中也存在臨近點選擇問題，而臨近點選擇可以使用局部動態(tài)和全局統(tǒng)一的臨域值K兩種，由于高光譜遙感數(shù)據(jù)量較大，為了提高計算速度本文選擇針對全局統(tǒng)一K鄰域進行研究，提出了一種基于(Ⅰ)SODATA（迭代自組織數(shù)據(jù)分析算法）和遺傳算法的大尺度高光譜流形降維算法。
　　（三）針對流