典型文献
顾及特征优化的极化SAR图像半监督分类
文献摘要：
针对全极化SAR图像在监督分类中存在的人工标注样本费时费力以及大量未标记样本未有效利用等问题,提出一种顾及特征优化的半监督自训练分类方法.该方法以支持向量机作为半监督学习的基分类器.首先,引入混合编码遗传算法对多类极化特征进行有效选择和分类器参数优化.在此基础上,利用核模糊聚类算法从大量未标注样本中预选取出信息量较大的样本点作为候选点,并借助半监督自训练学习进一步标注候选样本,实现同时利用无标注和有标注样本进行分类.在AIRSAR和ALOS PALSAR影像上的实验表明,该方法能自适应地优选分类特征集,且在较少人工标注的样本下能获得较高的分类精度.
文献关键词：
极化合成孔径雷达;图像分类;半监督学习;特征优化
中图分类号：
作者姓名：
程圆娥;袁春琦;吕志慧;赫春晓
作者机构：
江苏省测绘研究所,江苏南京 210013;北方信息控制研究院集团有限公司,江苏南京 211153
文献出处：
引用格式：
[1]程圆娥;袁春琦;吕志慧;赫春晓-.顾及特征优化的极化SAR图像半监督分类)[J].测绘与空间地理信息,2022(08):49-53
A类：
AIRSAR
B类：
顾及,特征优化,半监督分类,全极化,费时费力,标记样本,自训练,分类方法,半监督学习,基分类器,混合编码,模糊聚类算法,预选,信息量,样本点,选点,训练学,选样,ALOS,PALSAR,分类特征,征集,分类精度,极化合成孔径雷达,图像分类
AB值：
0.367235
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
