基于深度置信網集成的高光譜數據分類方法研究.pdf

1、高光譜成像技術作為遙感領域的前沿科技，極大地擴展了人們獲取地表信息的能力。在高光譜數據處理領域的眾多研究熱點中，對地物的分類技術得到了人們的廣泛關注。然而高光譜數據的圖譜合一以及高維度等數據特點也為分類帶來了諸多問題，本文將深度學習和集成學習的方法應用到高光譜數據分類中，有效地解決了由于數據自身特點和樣本數目有限而引起的問題。本文從高光譜數據在光譜和空間變化下的特性出發(fā)，使用深度置信網對高光譜數據進行特征學習和數據分類；分析集成學習方法

2、對數據分類的提升效果。從而借助深度置信網的強大學習能力并結合集成學習的思想來設計高光譜數據的分類算法，進一步地提高了高光譜數據對地物的分類效果。具體的研究內容如下：
　　首先，從高光譜遙感的成像原理和特點出發(fā)，分析高光譜數據在光譜和空間變化下的特征。通過定性和定量的度量方法，說明了高光譜數據在光譜和空間角度上存在著數據的差異性。從而得出了高光譜數據存在著變化特征以及不變特征的提取對于高光譜數據分類具有重要作用的結論。
　　其

3、次，對深度學習的理論研究，包括限制玻爾茲曼機、深度置信網及相關的深層分類結構的分析和研究。具體為對限制玻爾茲曼機模型的結構原理、網絡學習過程的分析；研究深度置信網的結構、分類結構的建立和相關的訓練法則。該部分內容作為后續(xù)的研究提供了理論基礎。
　　然后，將深度置信網應用到高光譜數據分類中。先使用限制玻爾茲曼機對高光譜數據進行特征提取，驗證了深度學習理論對于高光譜數據的適用性以及對于高光譜數據不變特征的提取。在此基礎上，本文首次將深

4、度置信網應用到高光譜數據分類中，針對高光譜數據高維度及圖譜合一的特點，分別從光譜、空間及光譜-空間三個信息角度使用深度置信網實現高光譜數據分類。實驗驗證該方法優(yōu)于經典的分類器——支持向量機，是一種有效的高光譜數據分類方法。
　　最后，基于深度置信網集成的高光譜數據分類方法。針對高光譜數據存在的小樣本限制數據分類精度的問題，本文提出了基于深度置信網集成的高光譜數據分類方法。該方法將具有良好分類性能的深度置信網和集成學習理論結合，建立