融合主动学习的高光谱图像半监督分类

• 作者: 李阳 王立国
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 高光谱图像 半监督分类 支持向量机 主动学习 差分进化
• 年，卷（期）: 2017,（8）
• 页码范围: 1322-1327
• 页数: 6页
• 分类号: TP75
• 字数: 5186字
• 语种: 中文
• DOI: 10.11990/jheu.201606046

摘要

针对高光谱数据维数高、有标签样本少等特点,采用半监督分类利用未标记样本信息提高高光谱图像分类精度.主动学习研究训练样本的选择方法,以少量的标记样本得到尽可能好的泛化能力.本文提出了一种结合主动学习算法的半监督分类算法.该方法使用支持向量机作为基本的学习模型,通过主动学习方法选取训练样本,以伪标记的形式加入到分类器的训练中,结合验证分类器迭代选出置信度较高的伪标记样本,通过差分进化算法交叉变异伪标记样本扩充标记样本群.在两个数据集上进行仿真实验,与传统分类算法相比,所提算法的总体分类精度分别提高了1.97%、0.49%,表明该算法能够有效地提升主动学习样本选择的效率,在有限带标记样本情况下提高了分类器精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王立国	哈尔滨工程大学信息与通信工程学院	116	829	15.0	23.0
2	李阳	哈尔滨工程大学信息与通信工程学院	36	515	9.0	22.0