监督分类

摘要： 文章以2017年10月28日南宁市邕宁区Landsat 8 OLI影像为数据源,利用ENVI5.3和ArcGIS10.2软件进行数据处理,将原始波段组合、主成分分析组合、衍生波段组合影像用极大似然估计方法进行监督分类,提取南宁市邕宁区的植被覆盖信息,并将分类结果在分类总体精度上相互对比,在空间和提取得到的植被面积数据上对比目视解译结果和南宁市统计年鉴提供的数据,最终确定提取植被覆盖信息的最佳波段组合。研究表明衍生波段组合提取的结果能较准确地反映南宁市邕宁区地表植被覆盖情况,为南宁市邕宁区绿地系统规划提供了参考。

摘要： 选择大同矿区忻州窑矿为研究区域,根据矿区的开采状况,基于Landsat系列遥感数据,选择2004,2007,2010,2014和2017年的遥感影像,基于ENVI软件对影像进行预处理,并根据国家标准确定土地利用类型.结果显示:沙地、工矿用地精度最高;建设用地在遥感影像上容易识别,建设用地混分较少,裸地及耕地错分、漏分误差较高,相比于其他地物类型,精度较低.

摘要： 本文利用微软UltraCam Eagle航摄仪(以下简称UCE航摄仪)拍摄的带有近红外波段的高分辨率航空影像,采用面向对象多尺度分割方法对影像光谱进行特征提取,使用KNN、SVM和PCA方法分别对森林、道路、房屋、水体、裸地开展地物分类。实验表明:带有近红外波段的UCE影像在各分类方法处理中表现良好,近红外波段图像在植被与水体提取方面精度较高,SVM在水体、房屋建筑以及道路错误分类比例低于7%;KNN在林地、水体错误分类比例低于4%,PCA在水体、植被分类中错误分类比例低于3%。

摘要： 土地利用的动态监测及其影响因子的分析,有助于了解地区发展的一般特征及趋势,提高城市用地规划的科学性与合理性。本文以黄河三角洲为研究区,基于RS技术,利用3期Landsat遥感影像(2009、2015和2019年),采用监督分类方法提取了黄河三角洲地区的土地利用类型,依据提取结果对10年间土地利用类型进行了动态变化监测与分析。结果表明,2009—2019年期间,盐田、建筑用地和耕地的面积持续增加,分别增加了952.56、605.99和302.54 km^(2);盐碱地、植被、滩涂与水产池塘等地类面积持续减少,分别减少了1033.56、377.53、110.77和336.14 km^(2);其他地类面积或有增减,变化不大。

摘要： 以毗邻雄安新区的保定市为研究对象,通过下载遥感数据和DEM数据,使用GPS建立样本,结合Landsat 8数据特性及研究对象地物分布的特点,进行土地利用分类研究。通过对两期Landsat 8数据分析各种土地利用类型的影像特征,进行土地利用种类的训练样本的光谱分析,除了使用监督分类,非监督分类外,还使用面向对象的决策树分类方法,对两期的土地利用情况进行对比,生成两年的土地利用图来分析保定市土地利用变化情况。

摘要： 以监督分类实验为例,在CDIO教学模式的指导下设计开展一节遥感技术应用综合实践课。通过GEE平台对遥感图像进行数据处理和监督分类,学生可以了解并掌握遥感数据处理、分析过程,以及云计算等方面的知识并产生学习兴趣。同时通过跨学科跨领域的实践可提升学生的综合素养,为下一步的课程学习和专业实践做铺垫。

摘要： 自燃煤矸石山的准确识别和温度影响范围圈定是矿区安全生产、生态修复的关键,煤矸石山自燃过程中表现出的地表温度异常成为其最明显的特征。如何在较大区域尺度快速识别自燃和潜在自燃的煤矸石山,对于自燃煤矸石山治理与防患工作有效开展至关重要。以Landsat 8 TIRS为数据源,利用大气校正法反演获取山西省阳泉市2018年冬季和2019年夏季两天的地表温度,同时利用监督分类法获得的高精度土地利用类型图去除了水体、植被和建筑用地。对得到的包含裸地、煤矸石山的地表温度区域使用阈值分析法,获得了2018年冬季地温异常区域温度范围为11.75~22.12°C,2019年夏季地温异常区域温度范围为32.41~43.31°C。利用已知的42座自燃矸石山进行验证,结果表明:2018年冬季和2019年夏季分别能够识别出的自燃煤矸石山有32座和27座,精度达到了76.19%和64.28%。基于上述提取结果对自燃煤矸石山的影响边界和范围进行了划定,结果表明:自燃煤矸石山的高温影响范围超过500 m。研究结果可为矿区自燃煤矸石山识别提供参考。

摘要： 针对监督分类中的特征选择问题,提出一种基于量子进化算法的包装式特征选择方法.首先分析了现有子集评价方法存在过度偏好分类精度的缺点,进而提出基于固定阈值和统计检验的两种子集评价方法.然后改进了量子进化算法的进化策略,即将整个进化过程分为两个阶段,分别选用个体极值和全局极值作为种群的进化目标.在此基础上,按照包装式特征选择遵循的一般框架设计了特征选择算法.最后,通过15个UCI数据集分别验证了子集评价方法和进化策略的有效性,以及新方法相较于其它6种特征选择方法的优越性.结果表明,新方法在80%以上的数据集上取得相似甚至更好的分类精度,在86.67%的数据集上选择了特征个数更小的子集.

摘要： 利用高分二号卫星高分辨率遥感影像对湖南雷家山滑坡地质灾害进行了识别,提出了利用训练场地监督分类法和非监督分类法开展滑坡识别的应用,分析了高分二号卫星在滑坡地质灾害监测的作用。

摘要： 利用南洞庭湖近三十年的遥感图像数据,在深入分析研究之后,选取三年冬季的遥感影像,利用监督分类中的最大似然法,实现对地物的分类,完成三期南洞庭湖湿地面积变化图。同时,还对三期的地物类型进行面积统计与动态化分析,发现水体和芦苇滩地面积发生较大程度的减小,而泥沙滩地和建筑用地面积发生了较大的变化。南洞庭湖湿地变化的原因一是由于泥沙淤积及芦苇的特性,另一个重要的原因是围湖造田政策的实施。湿地在调节生态环境及水系的防洪调控方面发挥着十分重要的作用,因此,我们必须重视湿地所蕴含的深入的价值,不能因为眼前利益而忽视长远利益。要坚决反对围湖造田工程,合理地保护开发湿地资源。

摘要： 针对大尺度区域的植被信息提取，由于范围广阔、地形复杂、气候迥异，分类精度的提高是个亟待解决的问题；在常用的分类方法中，监督分类的精度较高，但是训练区的选取是个比较复杂的问题。本文基于植被的光谱特性（植被指数NDVI）、辅助信息DEM和GIS数据，采用分区处理，利用植被物候知识与监督分类相结合的方法，对青南高原进行植被信息提取，并进行了分类精度评价。研究结果表明，利用该方法进行分类后，能达到较高的分类精度且方法可行。

摘要： 西南地区受多云雾气候的影响,光学遥感数据难以全时间覆盖.InSAR雷达遥感不受气候影响,具有全天时、全天候探测能力,地物穿透力强.双极化的Sentinel-1A来源于哥白尼计划开放数据中心,可免费获取,重访周期为12天.本文以重庆市璧山区为例,以Sentinel-1A双极化雷达遥感和Sentinel-2A光学遥感影像为基础数据,在数据预处理的基础上,对雷达数据进行极化分解、灰度共生矩阵生成并融合光学遥感波段以监督分类.使用Sentinel-2A真彩色波段合成结合璧山区LUCC和GoogleEarth影像,通过目视解译建立监督分类训练样本,首先对光学遥感数据采用神经网络法和支持向量机SVM分类,之后将Sentinel-1A的极化分解和灰度共生矩阵的部分波段与Sentinel-2A数据波段融合,进行神经网络和SVM分类,通过混淆矩阵对分类精度进行评价.

摘要： 以浙江省部分地区为研究区域,利用landsat5上的TM图像和NTL夜间灯光数据及国家基础地理数据中的浙江省部分地区行政区划,开展此区域的城镇化监测方法的研究,通过监督分类、叠加分析和经验阈值,分析了此地区2000-2010年间城镇扩张的态势.

摘要： 以珊瑚礁遥感技术为出发点,研究了珊瑚礁的地貌类型,总结了珊瑚礁遥感影像地貌分类的标准,探讨了遥感影像地貌信息解译的依据,并以南海部分典型环礁为例,采用监督分类的方法对其进行了地貌分类,同时讨论了影像分辨率对影像地貌分类的影响.最后展望了珊瑚礁遥感技术在南海岛礁浅海区域获取海陆资料的前景.

摘要： 城市下垫面是城市规划与管理的基础信息之一,反映了城市的空间格局并直接影响着若干重要的城市生态指标,例如热岛效应等.本研究基于LANDSAT系列卫星,以GIS为数据处理平台,首先获取了自1973年以来40余年的南京市卫星遥感数据.采用监督分类法处理数据,生成了代表性年份的南京市城市下垫面信息.对不同年份的下垫面信息进行分析,可以明确发现在过去40年间南京市经历了明显的城市化进程,城市用地扩展总体呈现"东进南移"的趋势,秦淮河以西地区(河西地区)是南京城市建设的主要新区之一.本研究通过考察城市下垫面的历史变迁,揭示了南京市城市化的进程,并为进一步研究南京市相关生态指标的变化奠定基础.

摘要： 介绍了FY-3A/MERSI数据的基本情况，利用MERSI数据可见光和近红外通道，基于监督分类和非监督分类相结合的方法将山西省分为林地、冬小麦、水体、裸地4种类型，并分析了各地物在各通道的光谱统计特征，在此基础上，提取了山西省森林分布数据，通过与实测数据比较，发现结果精度很高，可以对森林进行宏观监测。

摘要： 本研究主要基于CBERS影像，采用监督分类方式来做森林分类试验，并对分类精度进行了多种形式的分类精度评价，结果表明：本研究监督分类的总体KAPPA精度为0.6635，总体分类精度为62.07%。通过与贵溪市林业局实地调查获得的数据比较，本次分类结果为：把森林类型分至二级平均精度为67.90%，分至三级平均精度为63.71%。

摘要： 本文基于常规的遥感图像分类方法,即监督分类法和非监督分类法,结合ERDAS软件和试验数据进行分类实验;引出纹理信息的概念,并探讨其在遥感图像分类中的应用,提取原数据中的纹理信息参与分类;最后,比较分析分类的结果,论证了结构与光谱信息相结合的遥感图像分类方法可行性,对结合纹理信息与光谱信息的遥感图像分类方法进行了研究。

摘要： 通过GPS野外定位调查，对竹林、农田、居民地等五种土地类型的光谱值进行了统计分析，选择了最佳分类波段为3、5、7波段；应用传统的监督和非监督分类方法对福建顺昌县ETM遥感数据进行分类和评价研究，研究表明，监督分类中最大似然法分类精度最高，分类精度为76.82%，Kappa系数为0.7318。

摘要： 对结合纹理信息与光谱信息的遥感图像分类方法进行了研究.首先介绍了常规的遥感图像分类方法,监督分类法和非监督分类法,并结合ERDAS软件和试验数据进行分类实验;接着引出纹理信息的概念,并探讨其在遥感图像分类中的应用,提取原数据中的纹理信息参与分类;最后,比较分析分类的结果,论证了结构与光谱信息相结合的遥感图像分类方法可行性.

摘要： 本发明公开了一种基于自监督和有监督联合训练的半监督文本分类方法及系统，包括以下步骤：采集任务相关数据集，所述数据集包括标注数据集T和未标注数据集U；对所述数据集进行数据增强处理，将处理后得到的增强视图用于扩充原始数据集，得到新样本数据集，所述新样本数据集包括标注数据集T'和未标注数据集U'；构建文本语义特征提取网络模型，基于文本语义特征提取网络模型获取文本语义特征向量；在所述文本语义特征提取网络模型上构建分类层，得到分类模型；从所述新样本数据集中重复采样得到batch数据组，每个batch数据组内均包含标注数据和未标注数据；采用所述batch数据组在分类模型上进行分类和对比学习的联合训练,更新模型参数。

摘要： 本发明涉及一种基于半监督增量学习的图片分类系统及分类方法，所述分类系统包括以下步骤：初始模型获取模块，用于获取已在大型通用数据集上训练完成的图片分类器作为初始模型；图像分类模块，对待分类图片进行分类；类增量学习模块，获取新类别数据并对当前的最新模型进行模型类增量学习，更新模型；无监督学习模块，用于周期性采样待分类图片，并在采样图片的数量达到设定值后，形成一更新数据集，更新模型；模型存储模块，用于存储当前的最新模型；模型监测模块，用于实时监测当前的最新模型是否发生崩溃。与现有技术相比，本发明能够解决现有分类系统在训练后的实际应用场景下保持静态、无法适应新的动态环境以及无法添加新的类别的缺陷。

摘要： 提供了用于针对分层行业分类结构对基于文本的商业概要(在本文中称为“概要”)进行分类的分类系统。分类系统包括基于词的子分类器，该基于词的子分类器使用神经网络针对训练集中的每个概要生成向量空间，其中已知训练集中的每个概要对应于分层行业分类结构中的特定行业分类。改变由基于词的子分类器使用的神经网络的隐藏层中的权重值，以提高神经网络在商业概要分类背景中的预测能力。实施方式包括在训练集中增加表示不足的母行业分类和分层行业分类结构的属性的表示，例如行业分类之间的距离和行业分类是否在同一子图中。基于词的子分类器的培训完成基于诸如hF1分数的性能度量是否满足一个或更多个早停止标准。分类系统还包括是基于类别的子分类器和元分类器。

摘要： 本申请公开一种用于雷达姿势识别的在线半监督学习分类器及其分类方法，分类器包括：特征缓存器模块用于在预设替换策略下进行样本缓存；极端随机森林模块用于在经过离线式预训练后具有分类能力，将新到达的无标签姿势样本赋予伪标签并通过筛选后，将无标签姿势样本的索引、伪标签和特征向量存入特征缓存器模块，索引存入极端随机森林模块的相应叶子节点，依据伪标签更新叶子节点中的标签计数器，当叶子节点满足分裂条件时，根据存储的索引向量从特征缓存器模块中提取对应批次的样本并调用极端随机森林的节点分裂算法进行分裂。由此，解决了离线采集训练样本成本高的问题以及离线监督式机器学习算法在未提供过训练样本的用户上的泛化性能低的问题。

摘要： 本发明公开了一种基于聚类的无监督细粒度图像分类模型训练方法及分类方法，训练方法包括：获取细粒度图像数据；提取细粒度图像的特征并进行归一化处理；利用预定的聚类方法对归一化特征进行聚类，根据聚类结果对相应图像数据赋值伪标签；利用所述带伪标签的图像数据对细粒度图像分类模型进行训练，采用批量随机梯度下降算法更新模型中参数，并动量更新各聚类的特征中心；重复聚类和训练过程，得到训练完成的无监督细粒度图像分类模型。本发明能够解决现有无监督学习方法应用至细粒度图像分类任务时存在的学习退化不收敛问题，填补无监督细粒度图像分类没有可用方法的空白。

摘要： 本发明提供一种半监督文本分类模型训练方法、文本分类方法、系统、设备及介质，该训练方法包括：获取初始样本集；对未标注样本增强得到数据增强样本；将未标注样本和数据增强样本输入文本分类模型，得到嵌入向量以及属于各分类标签的预测概率；针对各未标注样本，获取其与对应数据增强样本的嵌入向量均值作为新样本；针对各未标注样本，获取其与对应数据增强样本属于各分类标签的预测概率均值锐化后作为新样本的标签估计结果；校验新样本是否可信，若可信标记为可信任新样本；根据标注样本及可信任新样本构建置信样本集并进行扩充得到目标样本集；根据目标样本集对文本分类模型进行训练。本发明在标注样本缺乏的情况下提高文本分类的准确性。

摘要： 本发明提供一种基于生成模型与判别分类模型的图像半监督分类方法，包括以下步骤：S1、构建SVM判别分类模型，利用1000个有标签数据对模型进行训练；S2、构建生成模型，利用生成模型推测出未标签数据，得到伪标签数据；S3、将步骤S2获得的伪标签数据和步骤S1中获得的有标签数据重新训练SVM判别分类模型；S4、测试重新训练SVM判别分类模型的准确率，重复步骤S2‑S3，直至模型的准确率达到设定目标。本发明结合生成式神经网络模型与SVM判别分类模型对数字图像进行准确半监督分类，能够准确高效地对手写数字图像进行半监督分类，即利用少量标记数据便可以获得较优的分类准确率。

摘要： 本发明属于数据处理技术领域，公开了一种基于半监督深度分类算法的数据分类方法、设备及装置。该方法包括：根据有标签数据和无标签数据构建的训练数据集对初始半监督分类模型进行训练，得到目标半监督分类模型，通过目标半监督分类模型对从数据源获取的原始数据进行处理，以获取目标数据，通过目标数据对预设分类器进行训练，得到训练后的目标分类器，并通过目标分类器对待分类数据进行分类。由此，由有标签数据和无标签数据训练构建的初始半监督分类模型，使得到的目标半监督分类模型学习了数据全样本分布，并通过目标半监督分类模型得到优化数据对分类器训练，使用于分类器训练的数据具有全面性与准确性，从而使分类器具有较高分类准确性。

摘要： 本发明公开了一种基于代价敏感和半监督分类的客户分类方法及装置，其中方法包括：获取有类别标签数据集L、无类别标签数据集U和测试集Test；对有类别标签数据集L和无类别标签数据集U采用随机子空间法训练N个基本分类模型CS；分别使用所述N个基本分类模型CS对测试集Test中的样本进行分类，得到N个中间分类结果R1,R2,…,RN；对N个中间分类结果R1,R2,…,RN使用多数投票集成得到最终分类结果。本发明将代价敏感学习、半监督学习和随机子空间相结合，既能够使用代价敏感学习较好地处理类别不平衡的数据，又能够使用半监督学习将无类别标签样本中包含的大量信息加以利用，同时还能利用随机子空间提高模型的目标客户选择性能，从而具有更好的目标客户选择性能。

摘要： 本发明公开了一种基于多分类器的渐进式半监督分类方法，涉及人工智能集成学习领域，包括以下步骤：(1)引入训练数据集；(2)数据归一化；(3)生成一系列随机子空间；(4)通过渐进式训练集生成过程引入未标记数据，通过自适应策略进行样本筛选对训练集进行扩充并且训练分类器集合；(5)对未标记样本进行分类，加入到训练集并对分类器集合进行更新；(6)引入测试集，计算分类准确率。所述方法采用了随机子空间技术实现数据的降维，提出渐进式的样本产生过程和自适应策略扩充训练集，减少了样本标记数据不足的问题，提高了分类器的性能。