[发明专利]基于局部特征选择的卫星影像数据聚类方法、装置及设备

权利要求书

1.一种基于局部特征选择的卫星影像数据聚类方法，其特征在于，包括：

S101，获取待处理的卫星影像数据集其中，所述卫星影像数据集含有N条卫星影像数据，每条卫星影像数据用L2范数归一化为D维的数据特征向量：||·||为L2范数的计算；

S102，使用基于局部特征选择的非参数VM混合模型对卫星影像数据进行建模；

S103，通过变分贝叶斯推断算法估算所述非参数VM混合模型的模型参数并计算特征重要度；

S104，根据估算的所述模型参数，判断所述非参数VM混合模型是否收敛；若否，则返回步骤S103，若是，则执行步骤S105；

S105，根据特征的重要度对卫星影像数据进行筛选以保留重要的卫星影像数据；

S106，根据指示因子的后验概率判断每条卫星影像数据的所属类别，从而根据所属类别对所述卫星影像数据进行聚类；其中，所述使用基于局部特征选择的非参数VM混合模型对卫星影像数据进行建模具体包括：

对服从VM概率分布p_vm(·)的卫星影像数据的特征，其D维数据的概率密度函数表示为：

其中，y_nd1＝x_nd，y_nd2在式中是为了确保向量满足L2范数归一化，为位置参数，为刻度参数并满足条件λ_d≥0，I₀(λ)为修正的第一类0阶Bessel函数；

对于每条服从非参数VM混合模型的D维卫星影像数据获取其概率密度函数表达式：

其中，该非参数VM混合模型由无穷多个混合组件组成，每个混合组件对应D个VM概率分布的乘积：其中每个特征对应一个VM概率分布；是第k个混合组件中第d个特征的VM分布参数，而π_k0为相应的混合系数，并满足条件

为每个卫星影像数据指定一个二元隐变量做为指示因子：当Z_nk＝1时，表明卫星影像数据属于第k个类别；否则，Z_nk＝0；隐变量的概率分布为

将局部特征选择技术与非参数VM混合模型进行融合，得到每个卫星影像数据的特征x_nd服从的概率分布：

其中，参数φ_nkd为二元参数，当φ_nkd＝1时，表示特征x_nd为相关特征且服从VM概率分布当φ_nkd＝0时，表示特征x_nd为不相关特征且服从VM概率分布参数服从Bernoulli分布：

其中，参数ε_kd表示第k个组件中的第d个特征的特征重要度；

采用VM-Gamma分布作为相关特征所属的VM分布的参数的联合先验分布：

其中p_g(·)为Gamma分布；

采用VM-Gamma分布作为不相关特征所属的VM分布的参数的联合先验分布：

获取基于局部特征选择的非参数VM混合模型的全概率表达式：

2.根据权利要求1所述的基于局部特征选择的卫星影像数据聚类方法，其特征在于，非参数VM混合模型采用基于Stick-Breaking表示方法的Pitman-Yor过程模型构建而成；在基于Stick-Breaking表示方法的Pitman-Yor过程模型中，混合系数π_k的表示如下：

服从Beta分布，表达形式如下

其中p_b(·)为Beta分布，a为Pitman-Yor过程模型中的折扣参数并满足条件0≤a≤1，b为密度参数满足条件b-a。