基于主動深度學(xué)習(xí)的遙感圖像分類.pdf

1、隨著遙感圖像在社會生活和經(jīng)濟(jì)建設(shè)中的地位越來越重要，遙感圖像分辨率也在逐步提高，如何從遙感圖像獲得更多有用的數(shù)據(jù)和信息變得極為迫切。在社會生活中，從遙感圖像中獲取大量的標(biāo)記樣本是不現(xiàn)實的，但是隨著技術(shù)的不斷發(fā)展，對未標(biāo)記樣本的采集工作顯得輕而易舉，專家不必花費大量的人力物力對未標(biāo)記樣本進(jìn)行標(biāo)記。因此，提高遙感圖像的分類性能更多考慮如何充分利用有限的標(biāo)記樣本和大量的未標(biāo)記樣本，主動學(xué)習(xí)可以有效解決這個問題。主動學(xué)習(xí)算法通過依次迭代更新，從

2、未標(biāo)記樣本中尋找含有最大信息量的樣本，在有限的時間和資源的前提下，構(gòu)造有效訓(xùn)練集，從而提高分類算法的效率。目前，在機(jī)器學(xué)習(xí)領(lǐng)域，主動學(xué)習(xí)已成為一個熱門研究問題。
　　深度學(xué)習(xí)致力于建立模擬人腦分析學(xué)習(xí)機(jī)制的多層次神經(jīng)網(wǎng)絡(luò)的建模和算法學(xué)習(xí)的研究問題，它的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究，深度學(xué)習(xí)通過多層神經(jīng)網(wǎng)絡(luò)分析和解釋數(shù)據(jù)，解決深層結(jié)構(gòu)相關(guān)的優(yōu)化難題。
　　在深度學(xué)習(xí)中，一種常用的模型是稀疏自編碼模型(SAE)。它在尋找數(shù)據(jù)高維特

3、征同時通過稀疏正則項使得尋找到的特征具有稀疏性，不僅能保證取出的特征能夠消除冗余，而且具有很好的表示能力。本文利用稀疏自編碼結(jié)合主動學(xué)習(xí)模型中的nEQB來對遙感圖像進(jìn)行分類。該方法先利用稀疏自編碼對訓(xùn)練樣本進(jìn)行訓(xùn)練得到初始分類器，接下來用主動學(xué)習(xí)把未標(biāo)注樣本集中最富有信息量的樣本挑選出來交給專家對樣本所屬的屬性或者類別加以標(biāo)注，把標(biāo)記好的樣本重新加入到訓(xùn)練樣本中，同時將標(biāo)記好的樣本從未標(biāo)記樣本中剔除，如此迭代更新分類器。
　　引入