半监督支持向量机高光谱遥感影像分类

发布时间：2016-11-19 00:19

  本文关键词：高光谱──遥感测绘的新机遇，由笔耕文化传播整理发布。

《中国矿业大学》 2014年

半监督支持向量机高光谱遥感影像分类

李二珠  

【摘要】：高光谱影像维数高、波段之间相关性强等特点，使许多传统的遥感数据处理技术失去了作用。针对高光遥感影像分类而言，训练样本标记不足又是一大挑战。半监督学习通过利用未标记样本的信息来帮助标记样本提高分类器的学习性能，重在解决学习过程中训练样本不足所引起的病态学习问题。本文将半监督学习思想结合支持向量机分类原理引入到高光谱影像分类中，系统地研究了半监督分类的基本理论，并基于不同的模型研究了半监督支持向量机高光谱影像分类中的问题，并提出了相应的解决思路。论文主要内容及结论如下： (1)鉴于传统自训练半监督分类中未标记样本的选择主要是基于某一类整体进行选择的策略，容易造成训练样本的不平衡，提出了一种基于样本对样本的未标记样本选择策略，并结合该策略构建了基于自训练的半监督支持向量机高光谱影像分类算法。通过高光谱影像数据对所提出的算法的试验表明：该半监督算法具有较好的稳定性和有效地的改善了少样本情况下支持向量机的分类性能。 (2)将空间信息引入到半监督分类中未标记样本的选择过程，有效地解决了因为传统相似性度量方法在高光谱影像中的不适用性，以及对半监督分类过程中未标记样本选择的误差累积问题，同时通过空间信息有效地扩大了训练样本空间分布信息，提高了分类器训练过程中样本的信息量。实验结果表明，，所提出的结合空间信息进行样本增选的半监督高光谱影像分类算法能够有效提高高光谱影像的分类精度。 (3)提出了一种基于单视图多分类器的协同训练高光谱影像分类算法。在给定高光谱影像和少量标记样本情况下，通过两种不同的分类方法支持向量机和K近邻分类器构建了协同训练算法。分类实验结果显示，所提出的协同训练算法对高光谱影像分类具有优异的性能。研究中发现，协同训练对差异信息的挖掘在解决半监督分类过程中训练样本信息量不足等方面优势突出。

【关键词】：
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP18;TP751
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【参考文献】

中国期刊全文数据库 前9条

1 李吉明;贾森;彭艳斌;;基于光谱特征和纹理特征协同学习的高光谱图像数据分类[J];光电工程;2012年11期

2 余旭初;冯伍法;林丽霞;;高光谱──遥感测绘的新机遇[J];测绘科学技术学报;2006年02期

3 李广水;宋丁全;郑滔;李杨;苏继申;;协同训练支持向量机对遥感影像的分类研究[J];计算机工程与应用;2009年29期

4 陈毅松,汪国平,董士海;基于支持向量机的渐进直推式分类学习算法[J];软件学报;2003年03期

5 熊彪;江万寿;李乐林;;基于高斯混合模型的遥感影像半监督分类[J];武汉大学学报(信息科学版);2011年01期

6 杜培军;王小美;谭琨;夏俊士;;利用流形学习进行高光谱遥感影像的降维与特征提取[J];武汉大学学报(信息科学版);2011年02期

7 高恒振;万建伟;徐湛;钱林杰;;基于光谱加权直推式支持向量机的高光谱图像半监督分类[J];信号处理;2011年01期

8 任广波;张杰;马毅;郑荣儿;;生成模型学习的遥感影像半监督分类[J];遥感学报;2010年06期

9 王安娜;李云路;赵锋云;史成龙;;一种新的半监督直推式支持向量机分类算法[J];仪器仪表学报;2011年07期

【共引文献】

中国期刊全文数据库 前10条

1 隋学艳;朱振林;朱传宝;杨丽萍;姚慧敏;郭洪海;;基于MODIS数据的山东省小麦株高遥感估算研究[J];山东农业科学;2009年02期

2 陈军;王洪仁;;基于高光谱红边参数的棉花冠层覆盖度提取研究[J];安徽农学通报(上半月刊);2009年09期

3 刘占宇;周湾;张莉丽;;入侵植物加拿大一枝黄花的高光谱特性研究[J];安徽农学通报(上半月刊);2011年07期

4 王家强;柳维扬;吕双庆;;遥感技术在棉花氮素营养诊断上的应用[J];安徽农业科学;2006年22期

5 陆伟;毛罕平;;高光谱技术在作物信息诊断监测中的应用[J];安徽农业科学;2007年06期

6 樊科研;田丽萍;王进;杜培林;;基于冠层高光谱遥感对加工番茄产量的估算模型[J];安徽农业科学;2008年10期

7 于祥;刘香华;;基于神经网络的黄河三角洲土地利用遥感获取技术研究[J];安徽农业科学;2009年04期

8 陈拉;;高光谱遥感数据在植被信息提取中的应用研究[J];安徽农业科学;2009年08期

9 洪霞;江洪;余树全;;高光谱遥感在精准农业生产中的应用[J];安徽农业科学;2010年01期

10 黄恩兴;;土壤盐渍化遥感应用研究进展[J];安徽农业科学;2010年13期

中国重要会议论文全文数据库 前10条

1 汪震;洪津;张冬英;罗军;;液晶可调谐滤光片在遥感探测中的应用研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年

2 龚绍琦;王鑫;沈润平;刘振波;李云梅;;滨海盐土重金属高光谱遥感研究[A];全国农业遥感技术研讨会论文集[C];2009年

3 燕志明;;“3S”的现状与发展展望内蒙古科技大学高等职业技术学院[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

4 熊显名;王冰冰;滕惠忠;;基于IDL的高光谱数据可视化分析[A];第二十一届海洋测绘综合性学术研讨会论文集[C];2009年

5 朱艳;姚霞;冯伟;曹卫星;田永超;;基于高光谱遥感的小麦叶片氮含量监测研究[A];作物逆境生理研究进展——中国作物生理第十次学术研讨会文集[C];2007年

6 刘志明;吴文健;张勇;;植物叶片仿生伪装结构模型设计[A];第六届中国功能材料及其应用学术会议论文集（8）[C];2007年

7 刘磊;沈润平;丁国香;;基于高光谱的土壤有机质含量估算研究[A];2009第五届苏皖两省大气探测、环境遥感与电子技术学术研讨会专辑[C];2009年

8 何挺;王静;程烨;林宗坚;;土壤氧化铁光谱特征研究[A];新技术在土地调查中的应用与土地科学技术发展-2005年中国土地学会学术年会论文集[C];2005年

9 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集（一）[C];2005年

10 李彬彬;易宝林;刘斌;;基于信源学的植被光谱数据的存储技术研究[A];2009通信理论与技术新发展——第十四届全国青年通信学术会议论文集[C];2009年

中国博士学位论文全文数据库 前10条

1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年

2 杨宁;计算机辅助卷烟配方设计关键技术研究[D];中国海洋大学;2010年

3 任广波;基于半监督学习的遥感影像分类技术研究[D];中国海洋大学;2010年

4 郑光辉;江苏部分地区土壤属性高光谱定量估算研究[D];南京大学;2011年

5 赵玉凤;图像检索中自动标注技术的研究[D];北京交通大学;2009年

6 姚伏天;基于高斯过程的高光谱图像分类研究[D];浙江大学;2011年

7 杨国鹏;基于机器学习方法的高光谱影像分类研究[D];解放军信息工程大学;2010年

8 陈兵;基于多平台棉花黄萎病的遥感监测研究[D];石河子大学;2010年

9 黄远程;高光谱影像混合像元分解的若干关键技术研究[D];武汉大学;2010年

10 李金文;基于水稻叶片生理生态学特征的氮营养诊断[D];浙江大学;2010年

中国硕士学位论文全文数据库 前10条

1 胡红;矿区植物胁迫作用与遥感信息提取[D];山东科技大学;2010年

2 雷彤;基于高光谱的苹果花期果期光谱特征分析及其果量估测[D];山东农业大学;2010年

3 宋晓玥;基于TDPCA与SPIHT的高光谱压缩和降维算法研究[D];哈尔滨工程大学;2009年

4 于洪霞;基于SVM的中文垃圾邮件过滤[D];哈尔滨工程大学;2009年

5 邓禄群;高光谱图像类别信息相关技术研究[D];哈尔滨工程大学;2010年

6 蒋延生;基于图的适应性相似度估算的半监督学习[D];大连理工大学;2010年

7 谢小赞;亚热带典型植物对酸雨和氮沉降胁迫的高光谱响应研究[D];浙江农林大学;2010年

8 林良思;基于半监督和主动学习相结合的图像的检索研究[D];华南理工大学;2010年

9 马一薇;高光谱遥感图像融合技术与质量评价方法研究[D];解放军信息工程大学;2010年

10 林如强;基于LAI的航天遥感图像仿真与系统集成[D];福建师范大学;2010年

【二级参考文献】

中国期刊全文数据库 前10条

1 余鹏,封举富;基于多分辨率小波和高斯混合模型的纹理图像分割[J];北京大学学报(自然科学版);2005年03期

2 骆剑承,王钦敏,马江洪,周成虎,梁怡;遥感图像最大似然分类方法的EM改进算法[J];测绘学报;2002年03期

3 唐静远;师奕兵;;采用模糊支持向量机的模拟电路故障诊断新方法[J];电子测量与仪器学报;2009年06期

4 刘海松;吴杰长;陈国钧;;克隆选择优化的SVM模拟电路故障诊断方法[J];电子测量与仪器学报;2010年12期

5 赵莹;张健沛;杨静;王冠军;;一种改进的分枝定界半监督支持向量机学习算法[J];电子学报;2010年02期

6 彭艳斌;艾解清;;基于谱聚类波段选择的高光谱图像分类[J];光电工程;2012年02期

7 张宗贵,王润生;基于谱学的成像光谱遥感技术发展与应用[J];国土资源遥感;2000年03期

8 甘甫平,王润生,郭小方,王青华;高光谱遥感信息提取与地质应用前景——以青藏高原为试验区[J];国土资源遥感;2000年03期

9 高妙仙;毛政元;;基于高斯混合模型的建筑物QuickBird多光谱影像数据分类研究[J];国土资源遥感;2009年02期

10 谭琨;杜培军;;基于支持向量机的高光谱遥感图像分类[J];红外与毫米波学报;2008年02期

中国博士学位论文全文数据库 前1条

1 张连蓬;基于投影寻踪和非线性主曲线的高光谱遥感图像特征提取及分类研究[D];山东科技大学;2003年

中国硕士学位论文全文数据库 前1条

1 易星;半监督学习若干问题的研究[D];清华大学;2004年

【相似文献】

中国期刊全文数据库 前10条

1 王定成;方廷健;唐毅;马永军;;支持向量机回归理论与控制的综述[J];模式识别与人工智能;2003年02期

2 杨强,吴中福,余平,钟将;基于正反馈的支持向量机[J];重庆大学学报(自然科学版);2004年05期

3 孙蕾,周明全,李丙春;一种非平衡分布数据的支持向量机新算法[J];计算机应用;2004年12期

4 黄勇;郑春颖;宋忠虎;;多类支持向量机算法综述[J];计算技术与自动化;2005年04期

5 杨强,吴中福,余萍,钟将;一种新型支持向量机[J];重庆大学学报(自然科学版);2005年02期

6 张猛,付丽华,王高峰;模糊临近支持向量机[J];计算机工程与应用;2005年05期

7 张浩然;汪晓东;张长江;徐秀玲;;一种新型回归支持向量机的学习算法[J];测试技术学报;2006年02期

8 王晔;黄上腾;;基于间隔区域样本数量的加权支持向量机[J];计算机工程;2006年06期

9 梁新荣;刘智勇;孙德山;毛宗源;;支持向量机在混沌系统预测中的应用[J];计算机应用研究;2006年05期

10 卢敏;张展羽;冯宝平;贾仁辅;;基于支持向量机的区域水安全预警模型及应用[J];计算机工程;2006年15期

中国重要会议论文全文数据库 前10条

1 侯澍旻;李友荣;刘光临;;基于支持向量机的设备振动信号趋势预测[A];12省区市机械工程学会2006年学术年会湖北省论文集[C];2006年

2 张晓滨;尹英顺;赵培坤;马秀兰;;基于渐进直推支持向量机的半对半多类文本分类[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

3 徐会敏;王玉兰;;线性规划支持向量机模型的研究[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

4 晏庆华;;支持向量机算法综述[A];2008'中国信息技术与应用学术论坛论文集（二）[C];2008年

5 郭一楠;程健;肖大伟;杨梅;;分布式多分类支持向量机[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

6 林关成;李亚安;;一种支持向量机训练集选取算法改进[A];2009’中国西部地区声学学术交流会论文集[C];2009年

7 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年

8 李方方;赵英凯;贾玉莹;杜杰;;基于最小二乘支持向量机的油品质量预测[A];第25届中国控制会议论文集（上册）[C];2006年

9 曾江辉;耿金凤;汪邦军;郝建春;;面向时间序列质量波动预测的支持向量机回归模型研究[A];使命与责任—以质量方法促转型升级——第五届中国质量学术与创新论坛论文集（上）[C];2012年

10 戴林超;吴琳丽;赵海娜;李训铭;;基于最小二乘支持向量机的故障预测法[A];2009年中国智能自动化会议论文集（第六分册）[中南大学学报（增刊）][C];2009年

中国博士学位论文全文数据库 前10条

1 周喜川;非可信环境下的支持向量机研究[D];浙江大学;2010年

2 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年

3 王超;三类不确定支持向量机及其应用[D];河北大学;2013年

4 张国云;支持向量机算法及其应用研究[D];湖南大学;2006年

5 李华庆;支持向量机及其在人脸识别中的应用研究[D];上海交通大学;2006年

6 杜喆;几类支持向量机变型算法的研究[D];西安电子科技大学;2009年

7 李海生;支持向量机回归算法与应用研究[D];华南理工大学;2005年

8 刘京礼;鲁棒最小二乘支持向量机研究与应用[D];中国科学技术大学;2010年

9 刘叶青;原始空间中支持向量机若干问题的研究[D];西安电子科技大学;2009年

10 范昕炜;支持向量机算法的研究及其应用[D];浙江大学;2003年

中国硕士学位论文全文数据库 前10条

1 周林成;小波支持向量机在数据建模中的研究及应用[D];江南大学;2008年

2 王芳;支持向量机算法的研究及应用[D];江南大学;2008年

3 高泓;基于支持向量机的动态预测方法与实现技术研究[D];大庆石油学院;2009年

4 王永吉;支持向量机泛化性能的研究及其应用[D];江南大学;2009年

5 梁宏霞;支持向量机模型研究及应用[D];辽宁师范大学;2009年

6 孙庆嘉;多类支持向量机的研究与分析[D];北京交通大学;2010年

7 朱杰;基于最小二乘支持向量机的传染病预测与研究[D];苏州大学;2009年

8 王琳;支持向量机及相关理论研究[D];辽宁师范大学;2010年

9 万家强;支持向量机在质量管理中的应用研究[D];重庆理工大学;2010年

10 李响;基于半监督支持向量机的网络流量分类机制的研究与实现[D];北京邮电大学;2011年

  本文关键词：高光谱──遥感测绘的新机遇，由笔耕文化传播整理发布。

本文编号：181626