汪婵
- 作品数：4 被引量：6H指数：1
- 供职机构：中国矿业大学信息与电气工程学院更多>>
- 发文基金：教育部“新世纪优秀人才支持计划”国家自然科学基金霍英东基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于块非负稀疏重构嵌入的高光谱数据降维被引量：1
- 2013年
- 为了在充分利用高光谱信息的同时减少因数据冗余带来的分类精度降低,提出一种块非负稀疏重构嵌入降维算法.首先,将传统超完备字典转化成超完备块字典;然后,通过计算每个超完备块字典对应样本的最小重构误差,得到块非负稀疏重构权重矩阵;最后,在低维嵌入时,通过同时最小化局部和最大化非局部高光谱数据的非负稀疏信息,得到全局最优的低维子空间高光谱数据.通过3组高光谱数据的实验结果验证了所提出方法的可行性和有效性.
- 高阳王雪松程玉虎汪婵
- 关键词：高光谱数据降维全局最优
- 基于混合熵和L_1范数的遥感图像分类被引量：3
- 2012年
- 针对遥感图像数据具有的高维数、非线性以及海量无标记样本的特性,提出了一种基于混合熵和L1范数的概率型最小二乘支持向量机分类方法.将准熵和熵差分融合,构造一种混合熵用以从海量无标记样本集中选出最有"价值"的待标记样本;基于L1范数距离度量,进一步从待标记样本集中筛选出孤立点和冗余点加以剔除;基于初始已标记样本以及筛选得到的样本,训练得到概率型最小二乘支持向量机.对反射光学系统的成像光谱仪(ROSIS)高光谱遥感图像进行了分类实验.结果表明:所提分类方法的总精度和Kappa系数分别达到了89.90%和0.868 5,能够以较少的训练样本得到较高的分类精度,其更适于处理遥感图像分类问题.
- 王雪松高阳程玉虎汪婵
- 关键词：遥感图像L1范数
- 基于局部稀疏K近邻密度的主动学习被引量：1
- 2011年
- 在选择含信息量大的样本时,基于不确定度缩减的主动学习算法通常会将孤立点一并加入训练集,从而影响分类效果。为此,提出一种基于局部稀疏K近邻密度的主动学习算法,采用近邻密度来判定未标记样本是否为孤立点,并考虑未标记样本周边样本的稀疏程度,减少将非均匀分布样本集中的孤立点当作正常样本点及将正常样本点当作孤立点的错误。典型UCI和人工数据集上的仿真结果表明,与基于密度重排序的主动学习算法相比,所提算法能够取得较好的分类性能。
- 汪婵程玉虎王雪松
- 关键词：信息熵孤立点
- 基于软间隔委员会投票主动学习的遥感影像分类被引量：1
- 2013年
- 针对遥感影像数据具有大量未标记样本的特性,采用主动学习方法从未标记样本中,挑选出最有利于改善遥感影像分类性能的样本添加到已标记样本中进行学习,以有效避免过多的人工干预,减少标记样本数量。进一步,针对传统基于委员会投票主动学习难以处理噪声及线性不可分数据的问题,提出基于软间隔的委员会投票主动学习方法,对样本间隔添加考虑样本分布的松弛项,以弱化硬间隔对噪声数据分类的影响。遥感影像数据集上的仿真结果表明,所提算法能够使用较少的训练样本来获得较高的分类精度。
- 程玉虎汪婵王雪松孙伟芳
- 关键词：遥感影像
