高光谱数据基于流形的半监督特征选择.pdf

《高光谱数据基于流形的半监督特征选择.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第43卷第6期光子学报Vo1．43NO．62014年6月ACTAPH0T0NICASINICAJune2014doi：10．3788／gzxb2O144306．0630002高光谱数据基于流形的半监督特征选择魏峰，何明一，申志明，李旭(西北工业大学陕西省信息获取与处理重点实验室，西安710129)摘要：传统的高光谱数据特征选择方法分为监督和无监督模式，然而在高光谱数据实际处理中，大量无标记和少量有标记数据并存．此外，传统方法忽视了真实数据嵌入在高维空间中的流形结构．本文提出一种基于流形的半监督特征选择算法，定义一个合理的特征评判准则，考虑标记样本的先验信息以及高维数据局部

2、和非局部结构的不变特性．通过对标记数据类间方差和类内方差的极大化和极小化，优化数据的判别结构；同时通过构建局部graph和非局部graph，挖掘高维数据的流形结构．然后，选择一组有效的特征子集，实现高维数据的特征选择．最后，通过对特征选择后的真实高光谱数据进行分类实验，结果显示本文方法可以很好地对高光谱数据实现降维并且保留数据的主要结构．关键词：高光谱；遥感；半监督；特征；监督学习；光谱分辨率；分类；谱理论中图分类号：TP701文献标识码：A文章编号：1004—4213(2014)06—0630002—5ManifoldbasedSemi—supervisedFeatur

3、eSelectionforHyperspectralDataWEIFeng，HEMing—yi，SHENZhi—ming，LIXu(ShaanxiKeyLabofInformationAcquisitionandProcessing，NorthwesternPolytechnicalUniversity，Xian710129，China)Abstract：Thetraditiona1FeatureSelectionmethodsofhyperspectra1dataincludesupervisedandunsupervisedmodes，isnotefficientfo

4、rtherealprocessingsysteminwhichabundantunlabeledandfewlabeleddataco-exist．Additionally，mostofexistingfeatureselectionmethodsignorethatrea1datahasamanifoldstructurewhichembeddedintothehighdimensiona1space．Inordertosolvetheseproblems，aManifoldbasedSemi—supervisedFeatureSelection(MSFS)algori

5、thmwasproposed．Consideringthepriorinformationoflabeleddatawiththeloca1andnon-loca1invarianceofthewholedata，thediscriminatestructureisoptimizedthroughsimultaneouslymaximizingbetween-classandminimizingwithin-classvariances．Meanwhile，themanifoldstructureiSexploitedfromconstructinglocalandnon

6、-localgraphsforthewholedata．Then，theefficientfeaturesisselectedbydefininganappropriateevaluationcriterion．Finally，throughperformingtheclassificationexperimentontheselectedfeaturesofrealhyperspectraldata，itdemonstatedthatourmethodisabletoretainthemainstructureofdataafterdimensionalityreduc

7、tionwel1．Keywords：Hyperspectral；RemoteSensing；Semi—upervised；Feature；Supervisedlearning；Spectralresolution；Classification；GraphtheoryoCISCodes：300．0300；280．1310；070．4560；070．5010致丰富的特性描述的同时，其光谱波段间的大量冗余0引言信息也给数据的实际处理带来了困难．由于过多的高光谱遥感技术是基于电磁波谱理论，在可见光、特征(光谱波段)和不足的训练样本所带