[發明專利]基于加權的旋轉森林高光譜圖像分類方法

在審

• 申請號: 202011207564.4
• 申請日: 2020-11-03
• 公開（公告）號: CN112308151A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 馮偉;董淑仙;全英匯;鐘嫻;童瑩萍
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 程曉霞;王品華

1.一種基于加權的旋轉森林高光譜圖像分類方法，其特征在于，包括有如下步驟：

(1)獲取樣本并劃分訓練集和測試集：通過實地采集或者遙感數據庫獲得高光譜圖像樣本，大小為M×F，其中，M表示樣本個數，F表示每個樣本的特征數，用C表示樣本的類別數目；然后從M個樣本中隨機抽取N個樣本作為訓練集S，剩余樣本作為測試集E；S＝(x₁,y₁),(x₂,y₂),…,(x_N,y_N)，x_i表示訓練集S第i個樣本，是一個1×F的向量，y_i表示樣本x_i的標簽，y_i∈{1,2,…,C}；

(2)初始化訓練集S中樣本的權值：用W(x_i)表示樣本x_i初始的權值，初始化訓練集S中每個樣本的權值：W(x_i)＝1/N，i＝1,2,...,N；

(3)生成加權后的訓練集S′：將N個初始化的訓練樣本權值W(x_i)分別與訓練集S中對應的樣本x_i相乘，得到加權后的訓練集S′，S′＝(W(x₁)·x₁,y₁),(W(x₂)·x₂,y₂),…,(W(x_N)·x_N,y_N)；

(4)建立基于加權的旋轉森林模型：假設基于加權的旋轉森林模型由T個決策樹基分類器共同構成，設置決策樹基分類器的序號為t，t＝1,2,…,T，T個決策樹基分類器順序排列，并按排列順序進行訓練；采用有放回的抽樣方式對加權后的訓練集S′采樣N次，得到多樣性訓練樣本集S_t，多樣性訓練樣本集S_t中的每個樣本都是一個1×F的向量；隨機將多樣性訓練樣本集S_t中的F個特征分為K個子集，形成特征子集F_t,k，k＝1,2,...,K；從多樣性訓練樣本集S_t中選擇特征子集F_t,k中包含特征所對應的列，組成K個多樣性訓練樣本子集S_t,k；使用主成分分析PCA算法對多樣性訓練樣本子集S_t,k進行特征提取得到旋轉矩陣將多樣性訓練樣本集S_t與旋轉矩陣相乘得到旋轉后的多樣性訓練樣本集S′_t；用旋轉后的多樣性訓練樣本集S′_t對決策樹基分類器進行訓練，第t個訓練后的決策樹基分類器表示為ξ_t，仍存在t＝1,2,…,T；T個訓練后的決策樹基分類器共同組成高光譜圖像的基于加權的旋轉森林模型；

(5)產生分類結果：將測試集E中的每個樣本分別放入基于加權的旋轉森林模型中的T個訓練后的決策樹基分類器，得到T個分類結果；T個分類結果中數量最多的類別即為高光譜圖像的基于加權的旋轉森林模型分類結果。