一种基于修正聚类假设和半监督极速学习机的高光谱地物分类方法

摘要

本发明属于机器学习技术领域，可用于高光谱地物分类，具体公开了一种基于修正聚类假设和半监督极速学习机的高光谱地物分类方法，主要解决了高光谱地物分类中由于标记样本少，混合像元现象，地物识别正确率不高等问题。其步骤为：首先对样本进行预处理，并把样本分为训练样本与测试样本；其次计算出训练样本的图Laplacian矩阵；再次随机的产生网络的输入权值与隐藏层偏置，利用标记样本计算网络输出权值的初始值；然后交替计算每个未标记样本属于每类的概率与网络的输出权值矩阵，直到目标函数相邻两次的差值在容许误差内；最后利用优化的模型预测测试样本标签。本方法具有较强实用性与鲁棒性，实验结果说明该发明很适合高光谱地物分类。