基于半監(jiān)督學(xué)習(xí)的遙感影像分類.pdf

1、分類器所使用的學(xué)習(xí)方法是模式識別中最重要的內(nèi)容之一。傳統(tǒng)的學(xué)習(xí)方法主要是全監(jiān)督學(xué)習(xí)，需要大量標(biāo)注樣本進(jìn)行訓(xùn)練學(xué)習(xí)，適用于易獲得標(biāo)注樣本的應(yīng)用。在遙感領(lǐng)域，樣本標(biāo)注需要花費大量的人力物力，且目視解譯很易標(biāo)注出錯。為了盡可能準(zhǔn)確的識別出未標(biāo)注樣本，提高分類精度，需要對大量樣本進(jìn)行人工標(biāo)注，提高目視解譯準(zhǔn)確率，非常耗時耗力。針對上述情況，本文引入半監(jiān)督學(xué)習(xí)方法，只需少量已標(biāo)注樣本，大大減小了標(biāo)注樣本所需的人力物力，減小了標(biāo)注出錯率，有效地將少

2、量已標(biāo)注樣本與大量未標(biāo)注樣本結(jié)合起來。分別應(yīng)用自我訓(xùn)練和協(xié)同訓(xùn)練，低密度分割，首先利用少量已標(biāo)注樣本進(jìn)行訓(xùn)練學(xué)習(xí)，建立初始分類器，然后利用大量未標(biāo)注樣本不斷新分類器，從而提高分類器的性能。本文用不同的方法對同一批次的遙感影像數(shù)據(jù)進(jìn)行了大量實驗：運用基于樸素貝葉斯的全監(jiān)督學(xué)習(xí)方法，與基于自我學(xué)習(xí)與協(xié)同學(xué)習(xí)的半監(jiān)督學(xué)習(xí)方法進(jìn)行比較，引入低密度分割進(jìn)行影像的分類實驗。實驗結(jié)果表明，引入半監(jiān)督學(xué)習(xí)后，當(dāng)標(biāo)注樣本與非標(biāo)注樣本比例在一定比例范圍時，