[發明專利]基于分段線性擬合的遙感影像多目標快速預測建模方法

有效

• 申請號: 202010163440.4
• 申請日: 2020-03-10
• 公開（公告）號: CN111400885B
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 徐嘉;黃宇飛;李智慧;白紹竣;丁建釗;王帥;劉佳欣;胡震岳;王壘
• 申請（專利權）人: 北京空間飛行器總體設計部
• 主分類號: G06F30/20
• 分類號: G06F30/20
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 張曉飛

1.基于分段線性擬合的遙感影像多目標快速預測建模方法，其特征在于：通過分段線性擬合算法實現多目標回歸，具體包括以下步驟：

基于Lansat8衛星紅外遙感影像，每個點選擇5×5的鄰域，一共11個波段，構成275維輸入向量；土壤成份數據包括表土砂比例、表土淤泥比例、表土粘土比例、表土礫石比例、表土有機碳比例、表土pH值、表土酸鈣比例、表土石膏比例和可交換鈉鹽比例等土壤成分指標，一共9維輸出，樣本數為221個；

步驟一：建立直線擬合模型，采用最遠距離點劃分的方法實現分段線性擬合算法，建立直線擬合模型；

步驟二：計算所有分段節點序列，遍歷所有輸入變量和輸出變量，得到節點序列；

步驟三：計算最小誤差分段節點序列參數，計算每一維輸入變量對應輸出變量的最小誤差分段節點序列；

步驟四：計算線性模型系數，并將其存儲為線性模型系數矩陣；

步驟五：對預測樣本自變量分段，根據分段節點序列將預測輸入變量轉換成分段后的預測輸入變量；

步驟六：計算樣本預測值，通過分段后的預測輸入變量和線性模型系數計算輸入變量的預測值；

所述步驟一的具體過程為：

對給定輸入自變量X＝{x₁,x₂,…,x_M}，X為M維向量；輸出變量Y＝{y₁,y₂,…,y_N},Y為N維向量對每對x_i(i＝1,…,M)和y_j(j＝1,…,N)進行分段線性擬合，得到M×N個節點序列，用knotList表示；采用最遠距離點劃分的方法實現分段線性擬合算法，建立直線擬合模型；

對每一對自變量與因變量組合(x_i,y_j)，按以下步驟處理：

11)輸入數據點集(x_i,y_j)，并根據x從小到大排序得到(x_s,y_s)的二維點集，設置初始閾值minTd；

12)設置一條初始直線，起點為點集中第一點下標(startPtID)，終點為最后一點下標(endPtID)；

13)計算startPtID點到endPtID點的最遠距離maxDist和對應點號indexNo；

14)當maxDistminTD時，令endPtID＝indexNo+startPtID-1，轉步驟13)，否則轉下一步；

15)將x_s(endPtID)存入節點序列segList；令startPtID＝endPtID；endPtID＝最后一點；如果startPtIDendPtID,則轉步驟13)；否則算法結束；

所述步驟二的具體過程為：對所有自變量與因變量組合(x_i,y_j)操作后，所計算的節點序列segList賦給knotList{i,j}；遍歷所有x、y后，得到M×N個點序列knotList；

所述步驟三的具體過程為：

31)每一維x_i對應每一維y有N個不同的節點序列存于knotList中，循環按每個序列劃分x_i，得到z_i；具體劃分方式如下：

如果x_i有l_i-1個節點，會把x_i取值范圍劃分為l_i個區間，每個區間的x_i取值形成一個與x_i相同大小的新向量z_k，在此區間的x_i元素被賦給z_k，不在此區間的x_i元素z_k為0，形成l_i個z_k，所有的z_k構成l_i維向量z_i；

32)z_i與每一維y_j按下式計算線性模型系數A，y_j作為Y,z_i作為Z；

A＝(Z^TZ+λI)^-1

其中，λ是拉格朗日乘子，I單位陣；

33)根據A按下式預測計算與Y的誤差err(j)；

其中是Y_jl的預測值，m是樣本數，j代表第j維的因變量Y_j，l代表第l個樣本；

當所有y都計算了誤差后，取err最小的節點序列作為x_i的節點序列；如果err最小值是第h個，x_i的節點序列為knotList{i,h}，存入回歸器模型

model.knotList{i}＝knotList{i,h}，model.knotList包括M個點序列。