基于主動(dòng)深度學(xué)習(xí)的遙感圖像分類.pdf

1、隨著遙感圖像在社會(huì)生活和經(jīng)濟(jì)建設(shè)中的地位越來(lái)越重要，遙感圖像分辨率也在逐步提高，如何從遙感圖像獲得更多有用的數(shù)據(jù)和信息變得極為迫切。在社會(huì)生活中，從遙感圖像中獲取大量的標(biāo)記樣本是不現(xiàn)實(shí)的，但是隨著技術(shù)的不斷發(fā)展，對(duì)未標(biāo)記樣本的采集工作顯得輕而易舉，專家不必花費(fèi)大量的人力物力對(duì)未標(biāo)記樣本進(jìn)行標(biāo)記。因此，提高遙感圖像的分類性能更多考慮如何充分利用有限的標(biāo)記樣本和大量的未標(biāo)記樣本，主動(dòng)學(xué)習(xí)可以有效解決這個(gè)問(wèn)題。主動(dòng)學(xué)習(xí)算法通過(guò)依次迭代更新，從

2、未標(biāo)記樣本中尋找含有最大信息量的樣本，在有限的時(shí)間和資源的前提下，構(gòu)造有效訓(xùn)練集，從而提高分類算法的效率。目前，在機(jī)器學(xué)習(xí)領(lǐng)域，主動(dòng)學(xué)習(xí)已成為一個(gè)熱門(mén)研究問(wèn)題。
　　深度學(xué)習(xí)致力于建立模擬人腦分析學(xué)習(xí)機(jī)制的多層次神經(jīng)網(wǎng)絡(luò)的建模和算法學(xué)習(xí)的研究問(wèn)題，它的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究，深度學(xué)習(xí)通過(guò)多層神經(jīng)網(wǎng)絡(luò)分析和解釋數(shù)據(jù)，解決深層結(jié)構(gòu)相關(guān)的優(yōu)化難題。
　　在深度學(xué)習(xí)中，一種常用的模型是稀疏自編碼模型(SAE)。它在尋找數(shù)據(jù)高維特

3、征同時(shí)通過(guò)稀疏正則項(xiàng)使得尋找到的特征具有稀疏性，不僅能保證取出的特征能夠消除冗余，而且具有很好的表示能力。本文利用稀疏自編碼結(jié)合主動(dòng)學(xué)習(xí)模型中的nEQB來(lái)對(duì)遙感圖像進(jìn)行分類。該方法先利用稀疏自編碼對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練得到初始分類器，接下來(lái)用主動(dòng)學(xué)習(xí)把未標(biāo)注樣本集中最富有信息量的樣本挑選出來(lái)交給專家對(duì)樣本所屬的屬性或者類別加以標(biāo)注，把標(biāo)記好的樣本重新加入到訓(xùn)練樣本中，同時(shí)將標(biāo)記好的樣本從未標(biāo)記樣本中剔除，如此迭代更新分類器。
　　引入