[发明专利]基于Bagging的高光谱遥感协同表示集成学习分类方法

摘要

本发明公开了一种基于Bagging的高光谱遥感协同表示集成学习分类算法，采用Bagging的集成方式从原始训练集有放回地随机选取样本组成各基分类器的训练集，集成过程中通过多次选取不同的训练集增加基分类器的差异性，从而提高集成分类系统的泛化能力和分类精度。利用CRC和TCRC两种分类器均存在对正则化参数敏感的特点，分别作为Bagging集成方式中的基分类器，以此提升基分类器的分类效果。

主权项

1.一种基于Bagging的高光谱遥感协同表示集成学习分类算法，其特征在于：所述算法包括以下步骤：步骤1，将高光谱遥感影像转换为二维矩阵，根据地物真实值随机选择训练样本集和测试样本集；输入高光谱遥感影像的训练集X∈R^N*M,其中M代表样本数目，N表示波段数目，测试样本y，设置集成次数T，正则化参数λ、β，两种基分类器：协同表示分类器CRC、切空间协同表示分类器TCRC；步骤2，训练集X构造字典D＝{D₁,D₂,...D_K}，其中其中K表示地物类别数；步骤3，执行以下步骤：(a)在原始训练集X采用Bootstrape采样方法生成训练子集X_t∈R^N*M；(b)利用训练子集X_t构建新的字典D_t＝{D_1t,D_2t,D_3t,...,D_Kt}，其中其中K表示类别数；(c)利用基分类器分类得到测试样本y的类别标签其中m∈{1,2,...K}；(d)重复执行步骤(a)‑(c)，直到循环次数t达到预先设置的集成次数T；步骤4,集成后测试样本y的标签向量l＝[l₁,l₂,l₃...l_T]采用最大投票法确定测试样本y的最终类别标签，最后输出高光谱遥感影像的土地覆盖图。