基于改进rbm的多光谱遥感图像分类

《基于改进rbm的多光谱遥感图像分类》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、图巧姑丢种ｉＭ參硕±学位论文胃．礫圓基于改进ＲＢＭ的多光谱遥感图像分类任亚靠国ＳＢ作者姓名学校导师姓名、职疏王桂婷副教授企业导师姓名、职疏李青高工ＳＭ巧巧学位类别工程硕±ａ７０１学号１３０２１２１４４０学校代码１０分类号ＴＰ７５密级公开西安电子科技大学硕击学位论文基于改进ＲＢＭ的多光谱遥感图像分类作者姓名：任亚靠领域：电子与通信工程学位类别：工程硕：ｔ学校导师姓名、职称：王桂婷副教授企业导师姓名、职称：李青高工学院：电子工程

2、学院提交日期：２０１５年１２月MultispectralRemoteSensingImageClassificationBasedonImprovedRBMAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationsEngineeringByRenYafeiSupervisor:WangGuitingAssociateProfessorLiQi

3、ngSeniorEnginnerDecember2015西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加Ｗ标注和致谢中所罗列的内容Ｗ外，论文中不包含其他人己经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料一。与我同王作的同志对本研巧所做的任何贡献均己在论文中作了明确的说明并表示了谢意。一学位论文若有不实么处，本人承担切法律责任。

4、本人签名：任巫乘日期：３＾上皂＞１王巧２《１３西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，目Ｐ；研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权保留送交、，允许查阅借阅论文，论文的复印件；学校可Ｗ公布论文的全部或部分内容允许采巧影印、缩印或其它复制手段保存论文。同时本人保证，获得学位后结合学位论文研巧成果撰写的文章，署名单位为西安电子科技大学。保密的学位论文在＿年解密后适用本授权书。本人签名：在化霜导师签名：

5、未金女么口Ｓ义Ｓ目日期Ｉ之／巧：巧巧目日期；子摘要摘要遥感图像为地表观测提供了丰富的观测数据，为了达到有效利用遥感数据的目的，需要有效地对遥感图像进行解译和分析，将遥感图像的光谱信息转化为用户的类别信息。遥感图像的分类对遥感数据的分析和应用具有十分重要的作用，是遥感领域研究的热点。然而多光谱遥感图像中存在的同物异谱和同谱异物现象加大了分类的难度，另外，获取地面真实数据或专家标记训练数据费时且代价较高。虽然目前多光谱遥感图像的分类方法很多，但是尚没有一种非常有效的算法。因此，探索更加高效、高精度的遥感图像分类方法在

6、现阶段具有重要的现实意义和应用价值。深度学习是近年来新兴的一门机器学习子领域，其研究内容主要是探讨包含多层结点的人工神经网络的建模和学习问题。这种“深度神经网络”由于在信息处理方式上更类似于人类大脑，因此被认为有希望更好地解决一些复杂的智能问题。受限玻尔兹曼机（RestrictedBoltzmannMachine,RBM）的机器学习问题在深度学习领域占据着核心地位。RBM具有强大的无监督学习能力，能学习数据中复杂的规则，被成功用作深度神经网络的结构单元，在近些年受到广泛关注，并在很多领域得到成功应用。本文主要研究了如何对RBM进行

7、有效地改进，使之对多光谱遥感图像分类达到更高的分类精度，具体来说，本文研究的工作及贡献如下：1.提出了基于误差修正的K受限玻尔兹曼机（KRestrictedBoltzmannMachine，K-RBM）和改进RBM-softmax模型相结合的半监督分类方法。该方法首先利用误差修正K-RBM对无标签样本进行聚类，将不同的类别分开，并根据重构误差得到置信度较高的分类数据；再根据极少的有标签样本计算出误差修正K-RBM聚类得到的这些置信度较高的数据的类标，并将赋予类标信息的置信度较高的数据与极少数的有标签的样本共同组成训练样本；用训练样

8、本训练改进RBM-softmax分类器，得到模型的参数；最后用学习好的改进RBM-softmax分类器对测试数据进行分类。误差修正K-RBM克服了K-RBM不能保证类内间隔最小、类间间隔最大的缺点；且误差修正K-RBM在聚类过程中，用周围像元的类标