图Laplacian和自训练用于高光谱数据半监督波段选择.pdfVIP

第29卷第6期 数 据 采 集 与 处 理 Vo1．29No．6 2014年 11月 JournalofDataAcquisitionandProcessing NOV．2O14 文章编号 ：1004—9037(2014)06—0981—05 图Laplacian和 自训练用于高光谱数据半监督波段选择 黄 睿 吕智强 (上海大学通信与信息工程学院，上海 ，200072) 摘要：波段选择是数据 降维的有效手段，但有限的标记样本影响了监督波段选择 的性能。提 出一种利用图 Laplacian和 自训练策略实现半监督波段选择的方法。该方法首先定义基于图的半监督特征评分准则以产生初 始波段子集 ，接着在该子集基础上进行分类 ，采用 自训练策略将部分可信度较高的非标记样本扩展至标记样本 集合 ，再用特征评分准则对波段子集进行更新 。重复该过程 ，获得最终波段子集。高光谱波段选择与分类实验 比较 了多种非监督、监督和半监督方法 ，实验结果表 明所提算法能选择 出更好的波段子集 。 关键词 ：高光谱数据分类；波段选择 ；半监督学习；图Laplacian；自训练 中图分类号：TP751．1 文献标志码 ：A Semi。supervisedBandSelectionBasedonGraphLaplacianand Self-trainingforHyperspectralDataClassification 一 一 一 一 H uangRui，LaZhiqiang (SchoolofCommunicationandInformationEngineering，ShanghaiUniversity，Shanghai，200072，China) Abstract：BandselectioniSaneffectivemethodfordimensionalityreduction．However，thein— formationfrom thesmallsizeoflabeledsamplesusuallymisleadsthesuperviseclbandselec— tion．A semi—supervisedbandselectionmethodbasedongraphLaplacianandself—trainingidea isproposed．Themethodfirstputsforwardthegraph—basedsemi—supervisedcriter·ionforfea— turerankingtogeneratetheinitialbandsubset．ThegraphLaplacianusedintheCl’iterionisre— finedwith aidofthelabelinformation．Then。the supervised classificationsare carriedout basedonthebandsubsetandsomeunlabeledsampleswithhigherconfidencevaluesareadded intothelabeled sampleset．Afterwardstheband subsetisupdatedaccording to thefeature rankingbasedonthenewlygeneratedlabeledandunlabeleddata，andisusedforclassification． Theprocessrepeatstoobtainthefinalsubset．Theexperimentsonhyperspeetraldatasetsare carriedoutcompareseveralunsupe