摘要
遥感图像监督分类需要充足精确的标注数据训练分类器,然而数据标注需要人工参与,很多任务难以及时获得符合要求的监督信息,不利于影像分类。半监督学习是一种利用少量标注数据和大量未标注数据共同训练分类器的机器学习方法,能从机理上减少人工参与,提高效率。本文引入一种半监督方法——平方损失互信息归一化模型(squared-loss mutual information regularization,SMIR)实现遥感图像分类。实验结果表明,在小样本监督信息的条件下,SMIR能够利用标注数据与未标注数据,直接构建多类分类器,其影像分类结果优于经典的支持向量机(support vector machine,SVM)方法。
出处
《青海科技》
2020年第1期28-31,共4页
Qinghai Science and Technology
基金
河南理工大学博士基金资助项目(No.B2017-09,No.B2015-22)
河南省科技攻关重点项目(No.192102310270,No.192102310038)
河南省自然科学基金面上项目(No.162300410122)
河南省国土资源科研项目(豫政采(2)20190450-7)。
