基于多元邏輯回歸和鄰域信息的高光譜遙感影像半監(jiān)督分類(lèi).pdf

1、高光譜遙感技術(shù)雖然被廣泛的應(yīng)用于對(duì)地觀測(cè)，但是由于高光譜遙感影像數(shù)據(jù)量較大，初始訓(xùn)練樣本的獲取又是一個(gè)耗時(shí)耗力的過(guò)程，使得在處理遙感數(shù)據(jù)的過(guò)程中經(jīng)常會(huì)遇到信息冗余的問(wèn)題；多元邏輯回歸分類(lèi)器在處理高維影像數(shù)據(jù)中有著一定的優(yōu)勢(shì)，但是分類(lèi)器性能好壞主要受其回歸參數(shù)求解的影響，使得參數(shù)優(yōu)化問(wèn)題尤其顯得突出。論文將半監(jiān)督思想與多元邏輯回歸分類(lèi)器進(jìn)行結(jié)合應(yīng)用于高光譜遙感影像分類(lèi)當(dāng)中，針對(duì)目前上述仍存在的問(wèn)題，提出一些新的算法和改進(jìn)。
　　本研

2、究主要內(nèi)容包括：⑴針對(duì)牛頓算法在求解多元邏輯回歸分類(lèi)器回歸參數(shù)的過(guò)程中經(jīng)常會(huì)遇到尋優(yōu)過(guò)慢、精度不高的問(wèn)題，提出一種利用DFP修正擬牛頓算法進(jìn)行回歸參數(shù)求解來(lái)提高運(yùn)算效率。該算法以弦截法代替牛頓算法中的二階Hessian矩陣，并采用DFP修正法不斷修正。實(shí)驗(yàn)表明：與常用參數(shù)求解算法相比，該改進(jìn)算法在分類(lèi)性能上有著很明顯地改進(jìn)。⑵在半監(jiān)督分類(lèi)的過(guò)程中，非標(biāo)記樣本的選擇直接決定著對(duì)分類(lèi)器性能改善的程度。針對(duì)常用樣本選擇方法中存在的一些問(wèn)題，提

3、出一種新的改進(jìn)算法：考慮多個(gè)不確定類(lèi)別之間的不確定性。首先通過(guò)閾值將有效類(lèi)別進(jìn)行篩選，之后通過(guò)方差來(lái)度量各個(gè)有效類(lèi)別之間的不易區(qū)分程度，最后選出相似度最大的非標(biāo)記樣本進(jìn)行標(biāo)記。實(shí)驗(yàn)表明：與常用樣本選擇方法相比有著明顯的優(yōu)勢(shì)。⑶在半監(jiān)督分類(lèi)過(guò)程中，樣本標(biāo)簽確定直接決定著最終分類(lèi)效果的好壞。錯(cuò)誤的樣本標(biāo)記不僅不會(huì)改善結(jié)果，甚至?xí)?dǎo)致更差的效果。論文基于鄰域信息和多分類(lèi)器提出一種新的樣本確定算法。首先以待確定的非標(biāo)記樣本為中心像元，通過(guò)設(shè)定圓