主动学习策略融合算法在高光谱图像分类中的应用

TP302; 针对传统主动学习单一策略算法在挑选最有价值未标记样本时出现的抖动和不稳定的现象,引入集成学习(ensemble learning)分类器的加权组合思想,提出一种基于组合策略的联合挑选(ESAL)方法,将模型的组合衍生至策略的组合,从而实现单一模型多策略的融合,获得更高的稳定性.通过对高光谱遥感图像分类结果的分析可以看出,在获得相同精度阈值时,ESAL 算法相对于单一策略算法最高可节省成本25.4%,抖动频率减少至原来的16.67%,抖动明显改善,体现出ESAL算法良好的稳定性....

Full description

Saved in:
Bibliographic Details
Published in通信学报 Vol. 39; no. 4; pp. 91 - 99
Main Authors 崔颖, 徐凯, 陆忠军, 刘述彬, 王立国
Format Journal Article
LanguageChinese
Published 哈尔滨工程大学信息与通信工程学院,黑龙江 哈尔滨,150001%黑龙江省农业科学院遥感技术中心,黑龙江 哈尔滨,150086 25.04.2018
Subjects
ensemble learning
集成学习
strategy combination
高光谱图像
active learning
主动学习
hyperspectral image
策略组合
Online AccessGet full text
ISSN1000-436X
DOI10.11959/j.issn.1000-436x.2018067

Cover

More Information
Summary:TP302; 针对传统主动学习单一策略算法在挑选最有价值未标记样本时出现的抖动和不稳定的现象,引入集成学习(ensemble learning)分类器的加权组合思想,提出一种基于组合策略的联合挑选(ESAL)方法,将模型的组合衍生至策略的组合,从而实现单一模型多策略的融合,获得更高的稳定性.通过对高光谱遥感图像分类结果的分析可以看出,在获得相同精度阈值时,ESAL 算法相对于单一策略算法最高可节省成本25.4%,抖动频率减少至原来的16.67%,抖动明显改善,体现出ESAL算法良好的稳定性.
ISSN:1000-436X
DOI:10.11959/j.issn.1000-436x.2018067