改进的主动学习算法及在高光谱分类中的应用 |
| |
引用本文: | 李宠,谷琼,蔡之华,吴琼.改进的主动学习算法及在高光谱分类中的应用[J].华中科技大学学报(自然科学版),2013(Z2):274-278. |
| |
作者姓名: | 李宠 谷琼 蔡之华 吴琼 |
| |
作者单位: | 湖北文理学院数学与计算机科学学院;中国地质大学计算机学院 |
| |
基金项目: | 国家自然科学基金资助项目(61075063);湖北省自然科学基金资助项目(2012FFB01901);湖北省教育厅重点项目(D20132601) |
| |
摘 要: | 针对主动学习算法能主动从大量未标记样本中选择最能提高分类器性能的样本加入训练集,可从小的非最优训练集建立高性能的分类器这一特点,以及传统主动学习算法熵值装袋查询的多值偏置问题,提出了改进的均值熵值装袋查询算法,引入权值函数保证了取样的多样性.通过对高光谱遥感图像分类的实验表明:主动学习只需大约20%的样本即可达到使用全部数据集作为训练集的分类效果,而且均值熵值装袋查询方法具有较高的分类精度,同时拥有较快的收敛速度.
|
关 键 词: | 主动学习 高光谱遥感 图像分类 边缘取样 熵值装袋查询 |
本文献已被 CNKI 等数据库收录! |
|