面向高分遥感图像的大尺度半监督特征选择方法

摘要

面向高分遥感图像的大尺度半监督特征选择方法，属于半监督特征选择技术领域，本发明是为了解决现有高分遥感图像监督特征选择方法中，需要大量训练数据的标记，当无标记对象的数量远远大于带标记的数据时，影响被选择的特征的合理性的问题。它首先采集遥感图像数据，处理后获得归一化后的数据x；再构建基于损失函数和无标记样本的概率分布矩阵{y_jk}的度量函数；对度量函数的三个参数依次循环优化，获得相应特征对应的度量值；根据所述的度量值，对特征进行排序，获得遥感图像数据的特征子集，该特征子集作为大尺度半监督特征选择方法选择获得的数据。本发明用于遥感图像的特征选择。

主权项

一种面向高分遥感图像的大尺度半监督特征选择方法，其特征在于，它包括以下步骤：步骤一：采集遥感图像数据，对遥感图像数据进行预处理；将预处理后的遥感图像分割成n个样本，对每个样本进行特征提取，获得样本数据；再将样本数据中的每个特征归一化处理后，获得归一化后的数据X；步骤二：针对归一化后的数据X中的每一个特征构建基于损失函数和无标记样本的概率分布矩阵{y_jk}的度量函数；步骤三：对步骤二中获得的度量函数的三个参数依次循环优化，获得相应特征对应的度量值；步骤四：根据所述的度量值，对特征进行排序，获得遥感图像数据的特征子集，该特征子集作为大尺度半监督特征选择方法选择获得的数据。