[发明专利]一种基于改进蚁狮优化算法的高光谱图像的特征选择方法

权利要求书

1.一种基于改进蚁狮优化算法的高光谱图像的特征选择方法，其特征在于，包括以下步骤：

步骤1：根据原始高光谱图像的波段信息创建训练样本和测试样本；

步骤2：创建小波核函数支持向量机分类模型，得到独立的波段；

步骤3：使用二进制编码的方式生成改进蚁狮算法的初始种群；

步骤4：执行改进蚁狮算法的基本步骤，得到最优波段组合。

2.根据权利要求1所述的基于改进蚁狮优化算法的高光谱图像的特征选择方法，其特征在于：步骤1中所述训练样本和测试样本，使用高光谱图像中的得到的训练样本去训练小波核函数支持向量机。

3.根据权利要求1所述的基于改进蚁狮优化算法的高光谱图像的特征选择方法，其特征在于：步骤2中所述小波核函数支持向量机分类模型，公式为：

其中，σ_i为小波尺度因子，其中x表示原始波段信息的向量，x_i表示原始图像波段的信息的第i的变量的值，x_i’为x_i的转置。

4.根据权利要求1所述的基于改进蚁狮优化算法的高光谱图像的特征选择方法，其特征在于：步骤2中，通过移除部分高相关度的波段，从而获得独立波段；

基于DCT系数的谱概率图表示为：

其中D(i,j)是每个特征的DCT系数矩阵；

然后，局部谱熵定义如下：

定义一个独立的频带质量标准如下：

其中，E_f局部谱熵值，C_r为当前频段与获得最大谱熵值频段的相关系数，谱熵是波段能谱的精确描述，相关系数强调的是局域斑块内的主频率和主方向，因此，它能够更清晰地区分每个波段的质量。

5.根据权利要求1所述的基于改进蚁狮优化算法的高光谱图像的特征选择方法，其特征在于：步骤3中，改进蚁狮算法的每一位都用“0”或“1”表示，“1”表示这个波段将选择进行分类，“0”表示不选择此波段。

6.根据权利要求1所述的基于改进蚁狮优化算法的高光谱图像的特征选择方法，其特征在于，步骤4的具体实现包括以下子步骤：

步骤4.1：对种群进行二进制初始化，设置蚁狮和蚂蚁的总数都为N，即总数为2N个个体，其中每个个体的长度与数据集的波段保持一致，并且每一位每一位都用“0”或“1”表示，“1”表示这个频带将选择进行分类，“0”表示不选择此波段；ant^t_i表示第t次随机行走时，第i个蚂蚁的位置，antlion^t_i表示第t次随机行走时，第i个蚁狮的位置，当t＝0时，即初始时刻，在解空间随机生成2N个个体：ant⁰₁,ant⁰₂,...,ant⁰_N-1,ant⁰_N,antlion⁰₁,antlion⁰₂,...,antlion⁰_N-1,antlion⁰_N；

其生成的具体公式为：

ant＝randi([0 1],N,dim)；

antlion＝randi([0 1],N,dim)；

步骤4.2：使用小波向量核函数分类器进行分类，并计算适应度值；适应度值计算公式为：

其中，F(i)是第i个蚂蚁的适应度值，n_c和n_s(i)分别是总共的波段和选中的波段数量，λ是权重系数，Acc(i)是每个蚂蚁的分类准确度，定义为：

其中，T_p表示如果测试样本为肯定，且经鉴定也为肯定；T_N表示如果测试结果为否定，且经鉴定也为否定；F_p表示如果测试结果是否定，但经鉴定为肯定；F_N表示如果测试结果是肯定，但经鉴定为否定；

步骤4.3：蚂蚁的随机游动描述为：

X^t＝[0,cumsum(2r(t₁)-1),cumsum(2r(t₂)-1),...,cumsum(2r(t_n)-1)]；

其中，X_t是蚂蚁的随机行走，n是蚂蚁的数量，cumsum()表示累计和函数，t是随机行走的步数即迭代次数，t₁表示第一次迭代，t_n表示第n次迭代，r(t)是一个随机函数定义为：

其中，rand是在[0,1]区间内均匀分布产生的随机数；

为了保证蚂蚁随机游动在搜索空间内，利用定义的归一化方程对蚂蚁随机游动的位置进行归一化，公式为：

其中，a_i是第i个变量随机游走的最小值，b_i是第i个变量随机游走的最大值，迭代t时第i个变量随机游走的最小值，迭代t时第i个变量随机游走的最大值；

为了对蚂蚁的行为进行数学建模，自适应地减小了蚂蚁随机游动超球面的半径，描述公式如下：

其中，c^t表示第t代所有变量最小值的向量，d^t表示第t代所有变量最大值的向量，T为最大迭代次数，ω根据当前迭代次数确定；

步骤4.4：根据全局最佳蚂蚁确定新位置；

采用列维飞行构造改进蚁狮算法，定义为：

其中，X_i表示蚂蚁i的位置，LX_i表示蚂蚁i的新位置，α值的大小与问题的规模有关；Levy(λ)表示服从当前迭代次数的t的随机分布，其概率分布为：

Levy～u＝t^-λ，1＜λ＜3，

采用模拟levy飞行来进行搜索，其计算公式如下：

其中，s即为Levy(λ)所求得的路径，参数β与λ的关系为λ＝β+1；μ,ν为服从正态分布的随机数，如下式：

其中Γ(x)定义如下：

将随机游走作为蚁群算法的局部搜索过程，引入到蚁群算法中，对当前全局最优蚁群X_g进行局部搜索过程，而X_g附近的范围可能是最优解最有前途的区域；随机游动的基本步骤是：根据X_g用列维初始化状态；然后，利用上述公式：确定当前迭代求解空间的值映射，增加蚂蚁的数量；最后计算每只蚂蚁的适应度值，选择适应度值最优的蚂蚁进行下一次迭代；

步骤4.5：对种群进行二进制编码；

采用的公式如下：

其中，tanh()为双曲正切函数，表示第t代LX_i的取值，蚂蚁二进制编码之后的位置；

步骤4.6：更新蚁狮位置；

根据适应度值对蚂蚁和蚁狮一起排序，取前N个个体作为蚁狮；

步骤4.7交叉操作；

假设蚂蚁通过轮盘赌的轮盘随机选择一只蚁狮，并与精英同时围绕该蚁狮行走，如下所示:

其中，为迭代t时轮盘赌轮选择的蚁狮的随机游走，迭代t时精英的随机游走；

步骤4.8：判断是否达到设定的迭代次数；

若是，则获得最优波段组合，执行步骤4.9；

若否，则步骤执行步骤4.2；

步骤4.9：输出最优波段组合。