[发明专利]基于相关向量机的高光谱影像模糊分类方法及装置

权利要求书

1.一种基于相关相量机的高光谱影像模糊分类方法，其特征在于，包括：

确定训练样本集，利用稀疏贝叶斯分类模型，选择核函数，建立相关向量机分类预测模型；

针对所述训练样本集，采用一对一法构造多类相关相量机分类器，通过交叉验证优化分类器参数；

利用所述多类相关向量机分类器对高光谱影像进行模糊分类。

2.根据权利要求1所述的方法，其特征在于，所述利用稀疏贝叶斯分类模型选择核函数包括：

根据拉普拉斯逼近方法推断模型参数；

利用快速学习算法选择基函数；

选择核函数及参数。

3.根据权利要求2所述的方法，其特征在于，所述模型参数推断过程为：

首先初始化超参数向量；对于给定的向量，建立后验概率分布的高斯近似，从而获取边缘似然函数的近似分布；通过最大化边缘似然函数来重新估计向量；重复这个过程直到收敛。

4.根据权利要求2所述的方法，其特征在于，所述基函数的选择过程为：

初始化选择1个基函数f₁，并估计相应权值w₁；

设置基函数f₁的超参数a₁为合理数值，使其它所有超参数a_j为无穷大，即模型中只有基函数f₁；

计算均值μ和方差Σ，同时计算出所有基函数对应的q_i和s_i；

选择候选的基函数f_i。

5.根据权利要求2所述的方法，其特征在于，所述核函数选择过程为：

首先收集和整理样本，并将样本特征的数值范围进行标准化；然后选择或构造核函数，并利用核函数将样本变换成为核矩阵，在特征空间中对核矩阵实施线性算法；最终得到输入空间中的非线性模型。

6.根据权利要求1所述的方法，其特征在于，采用一对一法构造多类相关相量机分类器包括：

在训练样本集T中找出所有不同类别两两配对组成两类相关相量机分类器，总共有P=k(k-1)/2个，用属于这两个类别的训练样本组成两类问题的训练样本集T(i,j)，然后求解两类问题，分别求得P个判别函数f_(i,j)(x)；

分类时，将输入样本X分别送到P个判别函数f_(i,j)(x)，若f_(i,j)(x)=+1，判x为i类，i类获得一票，否则判为j类，j类获得统计一票；

k个类别在P个判别函数结果中的得票数，票数最多的类别就是最终判定类别。

7.根据权利要求6所述的方法，其特征在于，在构造多类相关相量机分类器之后还包括：

将两两配对后验概率转化为属于各类的模糊隶属度，进行地物属性的判别。

8.一种基于相关相量机的高光谱影像模糊分类装置，其特征在于，包括：

建模单元，用于确定训练样本集，利用稀疏贝叶斯分类模型，选择核函数并建立相关向量机分类预测模型；

分类器构造单元，用于针对所述训练样本集，采用一对一法构造多类相关相量机分类器，通过交叉验证优化分类器参数；

分类执行单元，用于利用所述多类相关向量机分类器对高光谱影像进行模糊分类。

9.根据权利要求8所述的装置，其特征在于，所述建模单元进一步包括：

模型参数推断子单元，用于根据拉普拉斯逼近方法推断模型参数；

基函数选择子单元，用于利用快速学习算法选择基函数；

核函数选择子单元，用于选择核函数及参数。

10.根据权利要求8所述的装置，其特征在于，还包括：

模糊隶属度求解单元，用于将两两配对后验概率转化为属于各类的模糊隶属度，进行地物属性的判别。