[發(fā)明專利]一種適應(yīng)噪聲條件下的抽樣學(xué)習(xí)機(jī)遙感定量反演方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201510342376.5
• 申請(qǐng)日: 2015-06-19
• 公開（公告）號(hào): CN104899464B
• 公開（公告）日: 2017-12-29
• 發(fā)明（設(shè)計(jì)）人: 沈永林;艾燁霜
• 申請(qǐng)（專利權(quán)）人: 中國地質(zhì)大學(xué)（武漢）
• 主分類號(hào): G06F19/00
• 分類號(hào): G06F19/00
• 代理公司: 湖北武漢永嘉專利代理有限公司42102
• 代理人: 王丹

1.一種適應(yīng)噪聲條件下的抽樣學(xué)習(xí)機(jī)遙感定量反演方法，其特征在于：它包括以下步驟：

S1、利用極限學(xué)習(xí)機(jī)中固定小數(shù)量級(jí)權(quán)值的特點(diǎn)模擬遙感定量反演中影響因子與反演對(duì)象間的非線性的復(fù)雜數(shù)學(xué)關(guān)系，將其轉(zhuǎn)化為求解一個(gè)線性系統(tǒng)Hβ＝T^T；其中，H為網(wǎng)絡(luò)隱含層輸出矩陣，由輸入層、隱含層及激勵(lì)函數(shù)決定；T^T為輸出層輸出矩陣，由輸出層決定；β為網(wǎng)絡(luò)模型參數(shù)；

其中影響因子為遙感觀測(cè)指標(biāo)，反演對(duì)象為建模過程中采用地面實(shí)測(cè)數(shù)據(jù)；

S2：根據(jù)網(wǎng)絡(luò)模型參數(shù)β的維度自適應(yīng)選取模型參數(shù)估計(jì)算法，緯度高時(shí)選擇NAPSAC算法，緯度低時(shí)選擇RANSAC算法；預(yù)設(shè)相應(yīng)的標(biāo)準(zhǔn)判斷緯度的高和低；

S3：利用S2中選取的模型參數(shù)估計(jì)算法，實(shí)現(xiàn)對(duì)Hβ＝T^T中網(wǎng)絡(luò)模型參數(shù)β的求解；

所述的S2以RANSAC算法確定β所需的迭代運(yùn)算次數(shù)為標(biāo)準(zhǔn)，若迭代運(yùn)算次數(shù)高于n₁次則判定緯度為高維，否則緯度為低維。

2.根據(jù)權(quán)利要求1所述的一種適應(yīng)噪聲條件下的抽樣學(xué)習(xí)機(jī)遙感定量反演方法，其特征在于：所述的H通過選擇激勵(lì)函數(shù)與神經(jīng)元個(gè)數(shù)來確定。

3.根據(jù)權(quán)利要求1所述的一種適應(yīng)噪聲條件下的抽樣學(xué)習(xí)機(jī)遙感定量反演方法，其特征在于：當(dāng)選擇NAPSAC算法時(shí)，通過計(jì)算H所有兩兩向量間的歐氏幾何距離，將其歐氏幾何距離均值作為相鄰點(diǎn)的閾值半徑r。

4.根據(jù)權(quán)利要求1所述的一種適應(yīng)噪聲條件下的抽樣學(xué)習(xí)機(jī)遙感定量反演方法，其特征在于：當(dāng)選擇NAPSAC算法時(shí)，根據(jù)實(shí)際樣本數(shù)據(jù)的計(jì)算確定是否為局內(nèi)點(diǎn)閾值ε，進(jìn)而判定模型參數(shù)估計(jì)收斂所需的最少局內(nèi)點(diǎn)的數(shù)量G，其中G與實(shí)際樣本數(shù)據(jù)中噪聲所占的比例相關(guān)。

5.根據(jù)權(quán)利要求4所述的一種適應(yīng)噪聲條件下的抽樣學(xué)習(xí)機(jī)遙感定量反演方法，其特征在于：G的取值小于或等于通過局內(nèi)點(diǎn)閾值ε劃分得到的局內(nèi)點(diǎn)個(gè)數(shù)的最大值。