小样本条件下的半监督遥感影像分类方法研究

• 作者: 何湜 王世东 王雅萍 程结海
• 来源期刊: 青海科技
• 关键词: 遥感图像分类 半监督学习 机器学习 SMIR
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 成果视窗
• 页码范围: 28-31
• 页数: 4页
• 字数: 2933字
• 语种: 中文

摘要

遥感图像监督分类需要充足精确的标注数据训练分类器,然而数据标注需要人工参与,很多任务难以及时获得符合要求的监督信息,不利于影像分类.半监督学习是一种利用少量标注数据和大量未标注数据共同训练分类器的机器学习方法,能从机理上减少人工参与,提高效率.本文引入一种半监督方法——平方损失互信息归一化模型(squared-loss mutual information regularization,SMIR)实现遥感图像分类.实验结果表明,在小样本监督信息的条件下,SMIR能够利用标注数据与未标注数据,直接构建多类分类器,其影像分类结果优于经典的支持向量机(support vector machine,SVM)方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王世东	河南理工大学测绘与国土信息工程学院	48	434	11.0	18.0
2	程结海	河南理工大学测绘与国土信息工程学院	21	101	6.0	9.0
3	王雅萍	河南理工大学测绘与国土信息工程学院	8	10	2.0	2.0
4	何湜	河南理工大学测绘与国土信息工程学院	2	1	1.0	1.0