科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对全极化SAR图像在监督分类中存在的人工标注样本费时费力以及大量未标记样本未有效利用等问题，提出一种顾及特征优化的半监督自训练分类方法。该方法以支持向量机作为半监督学习的基分类器。首先，引入混合编码遗传算法对多类极化特征进行有效选择和分类器参数优化。在此基础上，利用核模糊聚类算法从大量未标注样本中预选取出信息量较大的样本点作为候选点，并借助半监督自训练学习进一步标注候选样本，实现同时利用无标注和有标注样本进行分类。在AIRSAR和ALOS PALSAR影像上的实验表明，该方法能自适应地优选分类特征集，且在较少人工标注的样本下能获得较高的分类精度。
-
单位北方信息控制研究院集团有限公司
