[发明专利]一种适应噪声条件下的抽样学习机遥感定量反演方法

摘要

本发明提供一种适应噪声条件下的抽样学习机遥感定量反演方法，利用极限学习机中固定小数量级权值的特点模拟遥感定量反演中影响因子与反演对象间的非线性的复杂数学关系，将其转化为求解一个线性系统Hβ＝TT；根据网络模型参数β的维度自适应选取模型参数估计算法；利用选取的模型参数估计算法，实现对Hβ＝TT中网络模型参数β的求解。本发明通过建立遥感定量反演中影响因子与反演对象间的复杂数学关系模型；在模型参数求解过程中，能过滤样本数据噪声的干扰，自适应选取模型参数估计算法，从而能快速获取模型最优的参数结果。

主权项

一种适应噪声条件下的抽样学习机遥感定量反演方法，其特征在于：它包括以下步骤：S1、利用极限学习机中固定小数量级权值的特点模拟遥感定量反演中影响因子与反演对象间的非线性的复杂数学关系，将其转化为求解一个线性系统Hβ＝TT；其中，H为网络隐含层输出矩阵，由输入层、隐含层及激励函数决定；TT为输出层输出矩阵，由输出层决定；β为网络模型参数；其中影响因子为遥感观测指标，反演对象为建模过程中采用地面实测数据；S2：根据网络模型参数β的维度自适应选取模型参数估计算法，纬度高时选择NAPSAC算法，纬度低时选择RANSAC算法；预设相应的标准判断纬度的高和低；S3：利用S2中选取的模型参数估计算法，实现对Hβ＝TT中网络模型参数β的求解；所述的S2以RANSAC算法确定β所需的迭代运算次数为标准，若迭代运算次数高于n1次则判定纬度为高维，否则纬度为低维。