协同主动学习和半监督方法的海冰图像分类

发布时间：2021-04-28 02:39

　　海冰遥感光谱影像分类中标签样本难以获取,导致海冰分类精度难以提高,但是大量包含丰富信息的未标签样本却没有得到充分利用,针对这种情况,提出一种协同主动学习和半监督学习方法用于海冰遥感图像分类。在主动学习部分,结合最优标号和次优标号、自组织映射神经网络以及增强的聚类多样性算法来选择兼具不确定性和差异性的样本参与训练;在半监督学习部分,利用直推式支持向量机,并且融合主动学习思想从大量未标签样本中选取相对可靠且包含一定信息量的样本进行迭代训练;然后协同主动学习分类结果和半监督分类结果,通过一致性验证保证所加入伪标签样本的正确性。为了验证方法的有效性,分别采用巴芬湾地区30 m分辨率的Hyperion高光谱数据（验证数据为15 m分辨率的Landsat-8数据）和辽东湾地区15 m分辨率的Landsat-8数据（验证数据为4.77 m分辨率的Google Earth数据）进行海冰分类实验。实验结果表明,相对其他传统方法,该协同分类方法可以在只有少量标签样本的情况下,充分利用大量未标签样本中包含的信息,实现快速收敛,并获得较高的分类精度（两个实验的总体精度分别为90.003%和93.288%）,适... 

【文章来源】：海洋学报. 2020,42(01)北大核心CSCD

【文章页数】：13 页

【参考文献】：
期刊论文
[1]基于极化散射特征的极化合成孔径雷达海冰分类方法研究:以渤海海冰分类为例[J]. 张晰,张杰,孟俊敏,苏腾飞,刘眉洁.  海洋学报(中文版). 2013(05)
[2]基于主动学习和半监督学习的多类图像分类[J]. 陈荣,曹永锋,孙洪.  自动化学报. 2011(08)
[3]高光谱影像波段选择算法研究[J]. 苏红军,杜培军,盛业华.  计算机应用研究. 2008(04)



本文编号：3164639