[發(fā)明專利]一種基于粒子群優(yōu)化的空間大數(shù)據(jù)字典學(xué)習(xí)方法

在審

• 申請?zhí)枺?/td>: 201410759485.2
• 申請日: 2014-12-10
• 公開（公告）號: CN104517121A
• 公開（公告）日: 2015-04-15
• 發(fā)明（設(shè)計）人: 王力哲;劉鵬;耿浩;王托弟
• 申請（專利權(quán)）人: 中國科學(xué)院遙感與數(shù)字地球研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京紐樂康知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11210
• 代理人: 覃莉

1.一種基于粒子群優(yōu)化的空間大數(shù)據(jù)字典學(xué)習(xí)方法，其特征在于，包括以下步驟：

步驟1：對預(yù)先采集的大尺度遙感數(shù)據(jù)進行分割處理，建立空間大尺度遙感數(shù)據(jù)集合，并對所述空間大尺度遙感數(shù)據(jù)集合進行歸一化處理；

步驟2：利用ODL算法，對進行歸一化處理后的所述空間大尺度遙感數(shù)據(jù)集合進行處理，得到先驗字典；

步驟3：根據(jù)所述先驗字典，利用誤差矩陣作為原子篩選機制選取待優(yōu)化原子，確定所述先驗字典總候選原子的初始線性表示結(jié)構(gòu)，并以該候選原子的初始線性表示結(jié)構(gòu)作為粒子；

步驟4：根據(jù)預(yù)先確定的所述空間大尺度遙感數(shù)據(jù)的紋理特征，利用PSO算法，優(yōu)化所述粒子，得到優(yōu)化后的新字典；

步驟5：算法穩(wěn)定機制，引入ODL算法中的中間變量，傳遞經(jīng)PSO優(yōu)化后新字典所產(chǎn)生的稀疏系數(shù)矩陣的更新信息；

步驟6：根據(jù)所述更新信息，判斷空間大尺度數(shù)據(jù)集合中有無數(shù)據(jù)，在有數(shù)據(jù)的情況下，重復(fù)步驟2至5；否則結(jié)束。

2.根據(jù)權(quán)利要求1所述的基于粒子群優(yōu)化的空間大數(shù)據(jù)字典學(xué)習(xí)方法，其特征在于，所述步驟2中，利用ODL算法，對進行歸一化處理后的所述空間大尺度遙感數(shù)據(jù)集合進行處理，得到先驗字典包括：

根據(jù)所述空間大尺度遙感數(shù)據(jù)集合，依照總體目標(biāo)函數(shù)對字典D和稀疏系數(shù)α分別進行優(yōu)化，得到先驗字典。

3.根據(jù)權(quán)利要求2所述的基于粒子群優(yōu)化的空間大數(shù)據(jù)字典學(xué)習(xí)方法，其特征在于，根據(jù)所述空間大尺度遙感數(shù)據(jù)集合，依照總體目標(biāo)函數(shù)對字典D和稀疏系數(shù)α分別進行優(yōu)化，得到先驗字典包括：

根據(jù)總體目標(biāo)函數(shù)，ODL算法利用正交匹配追蹤OMP算法，固定所述字典D，訓(xùn)練所述稀疏系數(shù)α；并且

ODL算法利用梯度下降法策略，針對所述目標(biāo)函數(shù)對字典????????????????????????????????????????????????求偏導(dǎo)，得到相應(yīng)的梯度，并根據(jù)所述梯度構(gòu)造新字典原子的更新公式，并根據(jù)該更新公式，進行ODL算法收斂，得到所述先驗字典D和稀疏系數(shù)α。

4.根據(jù)權(quán)利要求2或3所述的基于粒子群優(yōu)化的空間大數(shù)據(jù)字典學(xué)習(xí)方法其特征在于，所述總體目標(biāo)函數(shù)的表達式如下：

其中，為訓(xùn)練樣本集合，為字典，為稀疏矩陣。

5.根據(jù)權(quán)利要求3所述的基于粒子群優(yōu)化的空間大數(shù)據(jù)字典學(xué)習(xí)方法其特征在于，所述正交匹配追蹤OMP計算公式如下：

其中，X_t為樣本集中第t個樣本，?為正則化參數(shù)，為當(dāng)前樣本對應(yīng)的稀疏系數(shù)矩陣。