[發明專利]基于深度子空間切換集成學習的多源異構數據融合方法

有效

• 申請號: 201810732829.9
• 申請日: 2018-07-05
• 公開（公告）號: CN108985365B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 李勇明;張馨月;王品;曾孝平;譚曉衡;劉書君;張新征;李東;謝廷杰
• 申請（專利權）人: 重慶大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 重慶敏創專利代理事務所(普通合伙) 50253
• 代理人: 陳千

1.一種基于深度子空間切換集成學習的多源異構數據融合方法，其特征在于按照以下步驟進行：

S1：分別對每個源數據集進行特征提取，并將提取的光譜特征和空間特征組成空譜特征；

S2：將每個源數據集的空譜特征重組構成空譜特征數據集；

S3：基于深度樣本學習算法對空譜特征數據集中的樣本數據進行處理，形成原始樣本、一階樣本和二階樣本；

S4：針對三組樣本集，分別構建分類器模型；

S5：對三組模型分別采用各自合適的分類方式進行分類，得到三組分類結果，然后通過分類投票得到最終的分類結果；

針對原始樣本、一階樣本和二階樣本，分別隨機選擇K個特征子集，然后分別隨機選擇p1比例的樣本并結合半監督學習機制得到K個集成訓練集和K個測試集，然后利用微噪聲線性降維算法(mNLDR)分別更新K個集成訓練集并得到K個新訓練集和K個測試集，針對每一個新訓練集和測試集對SVM分類器進行訓練和測試，得到K個分類器，最后對K個分類器進行集成輸出分類結果，從而構建出集成多核SVM分類器模型。

2.根據權利要求1所述的基于深度子空間切換集成學習的多源異構數據融合方法，其特征在于：源數據集中的樣本包括近紅外光譜圖像、紫外光光譜圖像、可見光光譜圖像、遠紅外光譜圖像或拉曼光譜圖像中的任何一種或多種組合，且采用快速雙邊濾波提取其空間特征。

3.根據權利要求1所述的基于深度子空間切換集成學習的多源異構數據融合方法，其特征在于：在對原始樣本、一階樣本和二階樣本所得分類結果進行投票時，先分別賦予權重。

4.根據權利要求1所述的基于深度子空間切換集成學習的多源異構數據融合方法，其特征在于：所述半監督學習機制中從測試集中隨機選擇q％的樣本，然后對其標記并按照：

計算樣本的可信度d，并隨機生成一個(0,1)之間的隨機數r，當d＞r時，就把這個樣本及其添加的標簽加入訓練集，其中y_test,i表示測試集中的第i個樣本的標簽，y_train,j表示訓練集中第j個樣本的標簽，k表示訓練樣本的個數。

5.根據權利要求1所述的基于深度子空間切換集成學習的多源異構數據融合方法，其特征在于：步驟S4中每一組的分類器模型采用但不限于隨機森林模型、神經網絡模型以及支持向量機模型中的任何一種。