[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

说明书

本发明公开了一种基于局部特征选择的卫星影像数据聚类方法、装置及设备，方法包括：S101，获取待处理的卫星影像数据集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。本实施例在处理不平衡数据时可以得到更好的聚类结果。

技术领域

本发明涉及数据处理领域，尤其涉及一种基于局部特征选择的卫星影像数据聚类方法、装置及设备。

背景技术

陆地卫星通常用于调查地下矿藏、海洋资源和地下水资源，研究自然植物的生长和地貌，考察和预报各种严重的自然灾害(如地震)和环境污染，拍摄各种目标的图像，借以绘制各种专题图(如地质图、地貌图、水文图)等。随着一个以综合遥感方法为特征的时代的到来，通过综合多种类型和分辨率的空间数据(包括多光谱和雷达数据、显示地形、土地利用的地图等)来解释一个场景将具有重要意义。

在现有技术中，W.Fan等提出了一种基于特征选择和狄利克雷过程(DirichletProcess，DP)的VM混合模型的聚类方法。该方法采用了变分贝叶斯推断方法来估算模型参数并被应用在了文本和植物图像数据的聚类分析中。其存在的缺陷是:

由于DP混合模型通常无法识别出仅含有少量数据样本的类别，所以不能有效地对不平衡数据进行聚类分析。

发明内容

有鉴于此，本发明的目的在于提供一种基于非参数VMF混合模型的文本数据聚类方法、装置及设备，在处理不平衡数据时可以得到更好的聚类结果。

本发明实施例提供了一种基于局部特征选择的卫星影像数据聚类方法，其包括：

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。

优选地，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：