海冰遙感光譜影像分類中標(biāo)簽樣本難以獲取,導(dǎo)致海冰分類精度難以提高,但是大量包含豐富信息的未標(biāo)簽樣本卻沒有得到充分利用,針對這種情況,提出一種協(xié)同主動學(xué)習(xí)和半監(jiān)督學(xué)習(xí)方法用于海冰遙感圖像分類。在主動學(xué)習(xí)部分,結(jié)合最優(yōu)標(biāo)號和次優(yōu)標(biāo)號、自組織映射神經(jīng)網(wǎng)絡(luò)以及增強的聚類多樣性算法來選擇兼具不確定性和差異性的樣本參與訓(xùn)練;在半監(jiān)督學(xué)習(xí)部分,利用直推式支持向量機,并且融合主動學(xué)習(xí)思想從大量未標(biāo)簽樣本中選取相對可靠且包含一定信息量的樣本進行迭代訓(xùn)練;然后協(xié)同主動學(xué)習(xí)分類結(jié)果和半監(jiān)督分類結(jié)果,通過一致性驗證保證所加入偽標(biāo)簽樣本的正確性。為了驗證方法的有效性,分別采用巴芬灣地區(qū)30 m分辨率的Hyperion高光譜數(shù)據(jù)（驗證數(shù)據(jù)為15 m分辨率的Landsat-8數(shù)據(jù)）和遼東灣地區(qū)15 m分辨率的Landsat-8數(shù)據(jù)（驗證數(shù)據(jù)為4.77 m分辨率的Google Earth數(shù)據(jù)）進行海冰分類實驗。實驗結(jié)果表明,相對其他傳統(tǒng)方法,該協(xié)同分類方法可以在只有少量標(biāo)簽樣本的情況下,充分利用大量未標(biāo)簽樣本中包含的信息,實現(xiàn)快速收斂,并獲得較高的分類精度（兩個實驗的總體精度分別為90.003%和93.288%）,適... 

【文章來源】：海洋學(xué)報. 2020,42(01)北大核心CSCD

【文章頁數(shù)】：13 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于極化散射特征的極化合成孔徑雷達(dá)海冰分類方法研究:以渤海海冰分類為例[J]. 張晰,張杰,孟俊敏,蘇騰飛,劉眉潔.  海洋學(xué)報(中文版). 2013(05)
[2]基于主動學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的多類圖像分類[J]. 陳榮,曹永鋒,孫洪.  自動化學(xué)報. 2011(08)
[3]高光譜影像波段選擇算法研究[J]. 蘇紅軍,杜培軍,盛業(yè)華.  計算機應(yīng)用研究. 2008(04)



本文編號：3164639