[发明专利]基于半监督的多模态深度学习分类方法

权利要求书

1.基于半监督的多模态深度学习分类方法，其特征在于，包括如下步骤：

(1)将高光谱图像分为光谱模态、空间纹理模态和空间相关性模态，针对每种模态分别设计对应的深度卷积神经网络；

(2)根据模态的分类贡献差异度，设计融合三个模态的融合分类器F；每个模态本身具有自己的隐含属性，因此可以对不同模态数据进行聚类，以获得其内在属性类别，每个模态都对应一个隐含属性分类器，分别为光谱隐含属性分类器S，纹理隐含属性分类器T，以及相关性隐含属性分类器R。

(3)针对所有的标记样本，利用聚类方法来获取其隐含的属性分类；

(4)通过聚类后每个样本拥有两个标签，可以获得这两个类别的对应关系；

(5)对未标记的样本进行聚类分析，先通过多目标深度网络计算其深度特征，然后基于聚类标签寻找近似的有标记样本，最后根据有标记样本的标记信息预测未标记样本的标记。

2.根据权利要求1所述的基于半监督的多模态深度学习分类方法，其特征在于，所述步骤(5)需要设置预测标记的置信标准，如果超出标准则不做预测，当一定批次的未标记样本被预测出标记信息后，自适应地调整每个模态的分类贡献差异度。