[发明专利]一种基于增量集成学习的多时相影像分类方法

摘要

一种基于增量集成学习的多时相影像分类方法，涉及多时相遥感图像分类技术领域。本发明是为了解决多时相影像分类精度低的问题。本发明在集成学习的基础之上，引入增量学习，构造多时相分类器，实现连续地在线学习。首先，每个时相的影像数据分别作为支持向量机SVM算法的基本核函数，然后通过集成学习算法得到强分类器C₀；其次，引入新的训练数据，更新原始的训练数据集，得到增量数据集，再通过集成学习算法得到强分类器C₁；依次引入新的训练数据，通过集成学习算法得到强分类器C_n；最后各个强分类器相加得到最终分类器，用于测试样本的分类。本发明适用于多时相影像分类。

主权项

1.一种基于增量集成学习的多时相影像分类方法，其特征是：它由以下步骤实现：步骤一、读取多时相影像数据，对其进行人工标记，获取监督数据，根据监督数据确定标记样本，由标记中的样本随机选择得到训练样本与增量样本集，其余作为测试样本；步骤二、通过集成学习算法集成得到强分类器C0，设置增量学习的迭代次数为N，N为正整数；步骤三、在增量样本集中随机采样得到增量样本，即新增的训练样本，利用新增的样本代替在集成学习算法中分布权重最小的样本，更新训练样本的权重使其为均匀分布；步骤四、更新训练数据集，并通过集成学习算法确定强分类器Cn，n＝1，2，…，N；步骤五、重复步骤三至步骤四，直至达到增量学习的迭代次数N，将各个强分类器Cn相加，构成最终分类器；步骤六、利用最终分类器对步骤一的测试样本进行分类，并采用投票机制给出测试样本的分类结果。