[发明专利]一种基于极化SAR数据的多变量决策树特征集选取方法

权利要求书

1.一种基于极化SAR数据的多变量决策树特征集选取方法，包括：

从特征集中选取一种待选择的特征，在所选取特征的一维特征空间的直方图中，对m类样本按照分布位置进行排序；

依次计算相邻两类样本的分离度J_i，得到m-1个分离度值组成的分离度数列；

判断分离度数列是否满足分离度筛选条件；以及

将满足分离度筛选条件的特征加入特征集中；

其中，所述判断分离度数列是否满足分离度筛选条件；以及将满足分离度筛选条件的特征加入特征集中，包括：

获取分离度数列中的最大值，判断该最大值是否超过一分离度设定值；若不超过，去掉该选取特征，并返回特征集中测试下一待选择的特征；

对最大值超过分离度设定值的分离度数列中的元素进行处理，将超过分离度设定值的元素减去分离度设定值，将不超过分离度设定值的元素置零，得到新数列；以及

对新数列求熵，并判断该新数列的熵值是否超过一熵设定值；若不超过，去掉该选取特征，并返回特征集中测试下一待选择的特征；若超过，则该特征加入特征集中。

2.根据权利要求1所述的多变量决策树特征集选取方法，还包括：

遍历所有待选择的特征，将新数列的熵值超过一熵设定值的特征加入特征集。

3.根据权利要求1所述的多变量决策树特征集选取方法，其中，所述对m类样本按照分布位置进行排序的方式包括：

各类样本按照分布的波峰位置从左到右进行排序。

4.根据权利要求1所述的多变量决策树特征集选取方法，其中，所述相邻两类样本的分离度J_i满足：

J＝2(1-e^-B)

其中，m_i和σ_i²分别代表相邻两类样本分布的均值和方差，i＝1,2。

5.根据权利要求1所述的多变量决策树特征集选取方法，其中，所述分离度数列中的最大值a满足：

a＝max{J_i|i＝1，2,…,m-1}

其中，{J_i|i＝1,2,…,m-1}为分离度数列。

6.根据权利要求1所述的多变量决策树特征集选取方法，其中：

所述分离度设定值为0.5；

所述新数列满足：

7.根据权利要求6所述的多变量决策树特征集选取方法，其中，所述对新数列求熵s满足：

8.根据权利要求6所述的多变量决策树特征集选取方法，其中，所述熵设定值介于0.2～0.4之间。

9.根据权利要求1至8任一项所述的多变量决策树特征集选取方法，其中，所述样本的数据为极化SAR数据。