用于高光谱分类的动态宽度-深度神经网络及其学习方法

摘要

本发明属于人工智能技术领域，公开了一种用于高光谱分类的动态宽度‑深度神经网络及其学习方法。该网络可以解决在EWSWS层向宽度方向和深度方向扩展学习高级特征时使用迭代最小二乘法，将多个EWSWS网逐个加入到网络中，以增量的方式获得更多的学习能力。当训练数据学习充分时，增长过程自动停止。在此过程中训练数据在特征域和样本域都进行了分割，因此可以用于特征维数高、训练样本数量多的高光谱影像数据。网络的另一个优点是，在逐步、自动地寻找合适的体系结构时，学习过程更加稳定，可以在全连接层中给出非常具体的超参数和训练好的权值。