发明名称 |
一种基于多层卷积网络与数据重组折叠的高光谱数据分类方法 |
摘要 |
一种基于多层卷积网络与数据重组折叠的高光谱数据分类方法,其步骤如下:一、对三维高光谱数据展开分类前进行预处理,获得包含有效光谱信息的数据矩阵与标签向量;二、对数据矩阵进行特征扩维,并对特征维进行按列折叠重组,获得重组的三维高光谱数据输入矩阵;三、设定多层卷积网络结构参数与初始值;四、利用前向传播与BP算法逐层计算特征与误差,并对网络权值与偏置进行更新,不断迭代获得网络稳定参数,最终获得能够用于分类的网络模型与参数。相比于其他方法,该方法原理清楚,结构清晰,识别时间短,同时探测辨识率高,是针对高光谱数据的一个有效分类方法,适用于高光谱图像快速目标探测与分类识别应用。 |
申请公布号 |
CN105631480A |
申请公布日期 |
2016.06.01 |
申请号 |
CN201511022779.8 |
申请日期 |
2015.12.30 |
申请人 |
哈尔滨工业大学 |
发明人 |
张淼;贾培源;王康伟;沈毅 |
分类号 |
G06K9/62(2006.01)I |
主分类号 |
G06K9/62(2006.01)I |
代理机构 |
哈尔滨龙科专利代理有限公司 23206 |
代理人 |
高媛 |
主权项 |
一种基于多层卷积网络与数据重组折叠的高光谱数据分类方法,其特征在于所述方法步骤如下:一、对三维高光谱数据展开分类前进行预处理,获得包含有效光谱信息的数据矩阵<img file="FDA0000896131230000011.GIF" wi="134" he="70" />与标签向量<img file="FDA0000896131230000012.GIF" wi="127" he="70" />二、对数据矩阵<img file="FDA0000896131230000013.GIF" wi="134" he="63" />进行特征扩维,并对特征维进行按列折叠重组,获得重组的三维高光谱数据输入矩阵<img file="FDA0000896131230000014.GIF" wi="159" he="67" />三、设定多层卷积网络结构参数与初始值;四、利用前向传播与BP算法逐层计算特征与误差,并对网络权值与偏置进行更新,不断迭代获得网络稳定参数,最终获得能够用于分类的网络模型与参数。 |
地址 |
150000 黑龙江省哈尔滨市南岗区西大直街92号 |