公开(公告)号：CN105320963B

公开(公告)日：2018-10-02

申请号：CN201510689508.1

申请日：2015-10-21

Applicant: 哈尔滨工业大学

Inventor： 陈曦 ,  戚金子 ,  周共建

IPC: G06K9/62

Abstract: 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{yjk}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。

公开(公告)号：CN105320963A

公开(公告)日：2016-02-10

申请号：CN201510689508.1

申请日：2015-10-21

Applicant: 哈尔滨工业大学

Inventor： 陈曦 ,  戚金子 ,  周共建

IPC: G06K9/62

CPC classification number: G06K9/6217 ,  G06K9/6267

Abstract: 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{yjk}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。