遥感数据降维方法研究
发布时间：2021-01-23 18:37
在遥感数据应用中,单一传感器获取的数据常常不能满足实际需求,将来自不同传感器的数据进行融合,可以提高遥感数据的可用性以及对地物的识别能力。与单一源的遥感数据相比,融合后的数据通常具有冗余性。将融合后的数据直接进行应用,冗余数据将会带来庞大的计算开销。因此,在数据处理过程中,需要对数据进行降维,以此消除数据冗余带来计算时间以及存储空间的浪费。本论文基于流形学习算法挖掘多源遥感数据内在低维结构,主要研究内容如下:（1）由于传统流形学习算法难以处理大规模数据集,本论文针对多源遥感数据的降维处理构建一个完整的框架。第一,对多源遥感数据进行归一化;第二,确定多源遥感数据降维的目标维度;第三,对多源遥感数据集进行采样,得到一个子集,即界标;第四,基于流形学习算法对界标进行降维,得到界标数据集的流形骨架;第五,将未采样的数据点嵌入到流形骨架中,完成整个数据集的降维;第六,基于随机森林与支持向量机对降维后数据集分类,并进行精度评价。（2）针对等距映射算法与局部线性嵌入算法,对邻域选择较为敏感。本论文使用L1范数对邻域选择进行改进,改进后的算法能够自适应地选择邻域。（3）将扩散映射、基于t分布的随机邻域...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
研究区域位置概况[38]
域 A 与研究区域 B数据获取于 2008 年 11 月 21 日，研究区域C 数据获取于 2 1 月 10 日。SAR 影像包含三种不同的波段和三种极化模式（表 2-1），其中，Site A 地据集获取于 2008 年 11 月 16 日，Site B获取于 2014 年 9 月 3 日， Site C 数据取于 2008 年 11 月 11 日。表 2-1 研究区光学遥感数据与 SAR 数据研究区光学数据 SAR 数据传感器 分辨率 (m) 传感器 分辨率 (Site A (香港) SPOT-5 10 TerraSAR-X (X-Band) 3Site B (深圳) SPOT-5 10 Radarsat-2 (C-band) 8Site C (深圳) SPOT-5 10 ALOS-PALSAR (L-Band) 16本论文所使用的影像为多光谱影像与 SAR 影像融合后的数据，数据融合的工作由香港中文大学太空与地球信息科学研究所林晖教授团队完成，光学遥据与 SAR 数据经过融合，数据空间分辨率为 10×10 m（图 2-2）， 融合后遥据集信息如表 2-2。
样得到的采样点集可以使用多种流形学习算法进行降维。本节介数对邻域选择进行改进，以改进 Isomap 算法性能。1 范数改进原理邻域选择过程中，一个较为稀疏的邻域具有十分重要的意义，而 L 范数可以得到更稀疏的解[53]。 范数计算为式（3-7）[54]。 niixx01 范数计算为式（3-8）[54]。 niixx022 L1 范数为每个元素的绝对值进行求和，L1 范数通常也称为曼哈为每个元素平方和的平方根，即欧氏距离。
【参考文献】：
期刊论文
[1]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳. 电子科技大学学报. 2011(01)
[2]基于Isomap的流形结构重建方法[J]. 孟德宇,徐晨,徐宗本. 计算机学报. 2010(03)
[3]流形学习算法综述[J]. 王自强,钱旭,孔敏. 计算机工程与应用. 2008(35)
[4]一种更具拓扑稳定性的ISOMAP算法[J]. 邵超,黄厚宽,赵连伟. 软件学报. 2007(04)
[5]基于随机森林的文本分类模型研究[J]. 张华伟,王明文,甘丽新. 山东大学学报(理学版). 2006(03)
[6]流形学习概述[J]. 徐蓉,姜峰,姚鸿勋. 智能系统学报. 2006(01)
[7]一种改进的局部切空间排列算法[J]. 杨剑,李伏欣,王珏. 软件学报. 2005(09)
[8]线性低秩逼近与非线性降维[J]. 张振跃,查宏远. 中国科学（A辑:数学）. 2005(03)
[9]线性流形上的矩阵最佳逼近[J]. 戴华. 高校应用数学学报A辑（中文版）. 1994(03)
博士论文
[1]多源遥感地表温度数据时空融合研究及应用[D]. 魏然.武汉大学 2016
[2]图嵌入框架下流形学习理论及应用研究[D]. 黄鸿.重庆大学 2008
硕士论文
[1]高光谱图像流形学习算法研究[D]. 卢雨风.电子科技大学 2016
[2]局部线性嵌入的流形学习算法研究与应用[D]. 肖健.国防科学技术大学 2005
[3]卫星多源遥感SAR图像和TM图像融合研究[D]. 何贵青.西北工业大学 2005
本文编号：2995725
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
研究区域位置概况[38]
域 A 与研究区域 B数据获取于 2008 年 11 月 21 日，研究区域C 数据获取于 2 1 月 10 日。SAR 影像包含三种不同的波段和三种极化模式（表 2-1），其中，Site A 地据集获取于 2008 年 11 月 16 日，Site B获取于 2014 年 9 月 3 日， Site C 数据取于 2008 年 11 月 11 日。表 2-1 研究区光学遥感数据与 SAR 数据研究区光学数据 SAR 数据传感器 分辨率 (m) 传感器 分辨率 (Site A (香港) SPOT-5 10 TerraSAR-X (X-Band) 3Site B (深圳) SPOT-5 10 Radarsat-2 (C-band) 8Site C (深圳) SPOT-5 10 ALOS-PALSAR (L-Band) 16本论文所使用的影像为多光谱影像与 SAR 影像融合后的数据，数据融合的工作由香港中文大学太空与地球信息科学研究所林晖教授团队完成，光学遥据与 SAR 数据经过融合，数据空间分辨率为 10×10 m（图 2-2）， 融合后遥据集信息如表 2-2。
样得到的采样点集可以使用多种流形学习算法进行降维。本节介数对邻域选择进行改进，以改进 Isomap 算法性能。1 范数改进原理邻域选择过程中，一个较为稀疏的邻域具有十分重要的意义，而 L 范数可以得到更稀疏的解[53]。 范数计算为式（3-7）[54]。 niixx01 范数计算为式（3-8）[54]。 niixx022 L1 范数为每个元素的绝对值进行求和，L1 范数通常也称为曼哈为每个元素平方和的平方根，即欧氏距离。
【参考文献】：
期刊论文
[1]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳. 电子科技大学学报. 2011(01)
[2]基于Isomap的流形结构重建方法[J]. 孟德宇,徐晨,徐宗本. 计算机学报. 2010(03)
[3]流形学习算法综述[J]. 王自强,钱旭,孔敏. 计算机工程与应用. 2008(35)
[4]一种更具拓扑稳定性的ISOMAP算法[J]. 邵超,黄厚宽,赵连伟. 软件学报. 2007(04)
[5]基于随机森林的文本分类模型研究[J]. 张华伟,王明文,甘丽新. 山东大学学报(理学版). 2006(03)
[6]流形学习概述[J]. 徐蓉,姜峰,姚鸿勋. 智能系统学报. 2006(01)
[7]一种改进的局部切空间排列算法[J]. 杨剑,李伏欣,王珏. 软件学报. 2005(09)
[8]线性低秩逼近与非线性降维[J]. 张振跃,查宏远. 中国科学（A辑:数学）. 2005(03)
[9]线性流形上的矩阵最佳逼近[J]. 戴华. 高校应用数学学报A辑（中文版）. 1994(03)
博士论文
[1]多源遥感地表温度数据时空融合研究及应用[D]. 魏然.武汉大学 2016
[2]图嵌入框架下流形学习理论及应用研究[D]. 黄鸿.重庆大学 2008
硕士论文
[1]高光谱图像流形学习算法研究[D]. 卢雨风.电子科技大学 2016
[2]局部线性嵌入的流形学习算法研究与应用[D]. 肖健.国防科学技术大学 2005
[3]卫星多源遥感SAR图像和TM图像融合研究[D]. 何贵青.西北工业大学 2005
本文编号：2995725
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/2995725.html
