主动学习与半监督技术相结合的海冰图像分类

论文摘要

针对海冰遥感图像分类问题中标签样本获取困难、标注成本较高导致海冰分类精度难以提高的问题,提出了一种主动学习与半监督学习相结合的方式用于海冰分类。首先,利用基于不确定性准则和多样性准则进行主动学习方法,选择一批最具信息量的标签样本建立标签样本集;其次,充分利用大量的未标签样本信息,并融合主动学习采样的思想选出部分具有代表性且分布在支持向量周边的半标签样本,建立半监督分类模型;最后,将主动学习方法和直推式支持向量机相结合构建分类模型实现海冰图像分类。实验结果表明,相对于其他方法,该方法在只有少量标签样本的情况下,可以获得更高的分类精度,该方式可有效解决遥感海冰分类问题。

论文目录

• 0 引言
• 1 基于主动学习与半监督学习的海冰分类
•   1.1 主动学习
•   1.2 半监督学习
• 2 主动学习与半监督技术相结合的海冰分类算法
•   2.1 算法实现框架
•   2.2 算法描述
• 3 实验与分析
•   3.1 数据描述
•   3.2 实验设置
•   3.3 BvSB-ECBD-TSVM与主动学习方法的精度比较
•   3.4 主动学习迭代次数对分类精度的影响
•   3.5 不同主动学习方法与TSVM结合的分类精度比较
•   3.6 海冰实验分类效果图
• 4 结束语

文章来源

类型: 期刊论文

作者: 韩彦岭,李鹏,张云,徐利军,王静

关键词: 海冰,主动学习,半监督学习,直推式支持向量机,分类

来源: 遥感信息 2019年02期

年度: 2019

分类: 信息科技,基础科学,工程科技Ⅱ辑

专业: 工业通用技术及设备,自动化技术

单位: 上海海洋大学信息学院

基金: 国家自然科学基金(41376178,41401489,41506213),上海科学技术委员会(11510501300),上海高校青年学者基金(zzhy13033),上海海洋大学科技发展专项资金(a2-0209-14-200070)

分类号: TP751;TP181

页码: 15-22

总页数: 8

文件大小: 3081K

下载量: 229