[发明专利]一种基于高光谱数据信息极大化的物质最优分类识别方法

摘要

一种基于高光谱数据信息极大化的物质最优分类识别方法，步骤为：（1）从采集到的高光谱数据中选取训练数据；（2）对训练数据依次进行零均值化、保能量降维和单元规范化预处理；（3）根据预处理数据，估算行降维维数矩阵；（4）逐行降维维数数组进行信息极大化列降维特征矩阵计算；（5）逐列降维特征矩阵进行分类器训练；（6）根据训练结果，选择最优特征矩阵和最优分类器；（7）根据所得最优特征矩阵和最优分类器对待分类的高光谱数据进行物质分类识别。本发明方法可实现从高阶统计量角度对高光谱数据进行约减，达到更高的分类效率，并且易于扩展添加新的分类器，便于生成性能更优的分类器，从而更好的进行物质分类识别。

主权项

1.一种基于高光谱数据信息极大化的物质最优分类识别方法，其特征在于步骤如下：（1）从采集到的n维高光谱数据中选取t个数据组成t×n的训练数据矩阵X_训练，选取不同于X_训练的s个数据组成s×n的测试数据矩阵X_测试，其中t和s均为正整数；（2）将X_训练中的每一列进行零均值处理，获得数据矩阵X；然后对斜方差X*X^T做特征值分解，取保V%能量的特征值对应的特征向量作为行向量构成保能量降维矩阵R，100>V≥95，利用保能量降维矩阵R对数据矩阵X进行降维获得降维数据矩阵X^*；最后对降维数据矩阵X^*的每一行进行单元化处理，得到p×n的数据矩阵p由V唯一确定；（3）根据步骤（2）的结果构建的行降维维数矩阵M，M中的第i行第j列的元素M(i,j)=K*i，其中符号表示取不大于b的最大整数，K为统计步长，取值范围为1、2或者3，L为统计次数，取值范围为10～20；（4）针对行降维维数矩阵M中的每一个元素M(i,j)，分别计算信息极大化列降维特征矩阵S，具体步骤如下：（41）取数据矩阵的前M(i,j)行生成数据矩阵D；（42）初始化分离矩阵W_k为M(i,j)维单位阵，初始化权系数α_k=1，初始化迭代记数值k=0，初始化β=0；（43）将数据矩阵D进行一次列向量随机重排列，得到数据矩阵（44）采用如下迭代公式更新S_k、Y_k、W_k和c_k，其中Y_k+1=1/(1+exp(-S_k+1))，W_k+1=W_k+α_k*(I+(1-2*Y_k+1)*S_k+1^T)*W_k，d_k+1=W_k+1-W_k，c_k+1=||d_k+1||，I为单位阵，符号||||表示取模运算；（45）如果k>2则更新后进入步骤（46），否则直接进入步骤（46）；（46）如果则更新α_k=α_k*δ后进入步骤（47），否则直接进入步骤（47），其中0.5≤δ≤0.9；（47）如果c_k+1>ε则更新α_k+1=α_k*τ，k=k+1，如果k小于设定的阈值则转步骤（43），其中0.5≤τ≤0.8，1.0×10^-5≥ε≥1.0×10^-9；如果c_k+1<ε或者k大于设定的阈值则令S_ij=W_k+1*D并输出；（5）针对每一个M(i,j)对应的信息极大化列降维特征矩阵S_ij，分别进行分类器的训练，具体步骤如下：（51）初始化分类器集合{E₁,...,E_G}，G为选取的有监督分类方法的个数，初始化当前列降维维数m=1，初始化当前分类器编号g=1，初始化最佳分类准确率a_opt=0及相应的列降维维数d_opt=1、分类器标记e_mark=1，初始化准确率矩阵A及相应的列降维维数矩阵DIM、分类器标记矩阵CMark，其中A、DIM和CMark的行数和列数均与行降维维数矩阵M相同；（52）取S_ij的前m行数据S_m，利用S_m对数据矩阵进行降维得到特征矩阵Qm=X~*SmT;]]>（53）针对当前分类器E_g，对Q_m进行有监督分类器训练，得到分类器（54）将测试数据X_测试进行零均值处理获得数据矩阵利用S_m对数据矩阵进行降维得到特征矩阵（55）利用分类器对F^*进行分类，统计其分类准确率a；（56）如果a_opt<a，则更新a_opt=a、d_opt=m、e_mark=g后进入步骤（57），否则直接进入步骤（57）；（57）如果g<G，则更新g=g+1后转步骤（53），否则进入步骤（58）；（58）如果m<M(i,j)，则更新m=m+1后转步骤（52），否则结束并输出A(i,j)=a_opt，DIM(i,j)=d_opt和CMark(i,j)=e_mark，符号(i,j)表示相应矩阵中对应的第i行第j列的元素；（6）遍历A中的所有元素A(i,j)，找到A(i,j)中最大值对应的行号i_max和列号j_max，由此确定最优列降维维数为DIM(i_max,j_max)，最优降维特征矩阵S_opt为的前DIM(i_max,j_max)行元素，最优分类器E_CMark(i_max,j_max)；（7）利用最优降维特征矩阵S_opt和最优分类器E_CMark(i_max,j_max)对待分类的高光谱数据T进行物质分类识别。