[发明专利]基于自编码器的光谱降维方法和装置

权利要求书

1.一种基于自编码器的光谱降维方法，其特征在于，该方法包括：

S1、基于高光谱图像数据生成输入向量X＝(x₁,x₂,...,x_k,...,x_m)，其中m为光谱维数，x₁,x₂,...,x_k,...,x_m分别为高光谱图像数据的第1至m维图像数据，k＝1,2,...,m；

S2、使用所述输入向量对自编码器模型进行训练，直至模型收敛；

S3、将模型收敛时隐藏层的输出数据作为压缩后的光谱图像。

2.根据权利要求1所述的基于自编码器的光谱降维方法，其特征在于，所述步骤S2包括：

1)初始化自编码器模型参数，设置输入层与隐藏层的权重矩阵W_Y⁽ⁱ⁾，隐藏层与输出层的权重矩阵W_Z，以及隐藏层的偏置项向量b_y⁽ⁱ⁾，输出层的偏置项向量b_z；

2)输入向量X，计算第i个隐藏层的输出向量Y(i)＝(y₁⁽ⁱ⁾,y₂⁽ⁱ⁾,...,y_j⁽ⁱ⁾,...,y_h⁽ⁱ⁾)以及重构向量Z＝(z₁,z₂,...,z_o...,z_m)，其中h为Y(i)的神经元数量,j＝1,2,...,h,o＝1,2,...,m；

3)利用代价函数J对所有模型参数进行求导，得到对应参数的导数并更新模型参数；

4)判断模型是否收敛，是则结束，否则重复步骤2)-3)，直至模型收敛。

3.根据权利要求2所述的基于自编码器的光谱降维方法，其特征在于，所述步骤2)中通过以下公式计算:

其中，W_kj⁽ⁱ⁾为权重矩阵W_Y⁽ⁱ⁾中第i个隐藏层第j个神经元对应第k个输入量x_k⁽ⁱ⁾的权重，(b_y⁽ⁱ⁾)_j为偏置项向量b_y⁽ⁱ⁾中第j个神经元对应的偏置项，f为sigmoid激活函数；

其中，W_oj为输出层第o个神经元对应第j个输入量y_j⁽ⁱ⁾的权重，(b_z)_o为偏置项向量b_z中第o个神经元对应的偏置项，f为sigmoid激活函数。

4.根据权利要求3所述的基于自编码器的光谱降维方法，其特征在于，所述步骤3)中使用的代价函数J为：

J(W⁽ⁱ⁾,b_y⁽ⁱ⁾,b_z)＝XlogZ+(1-X)；

其中，X为输入向量，Z为输出层的重构向量，其中W⁽ⁱ⁾为隐藏层或输出层的权重矩阵。

5.根据权利要求2所述的基于自编码器的光谱降维方法，其特征在于，所述步骤4)中通过以下方式判断模型是否收敛：

检测权重矩阵是否不再发生变化，是则收敛，否则未收敛；或者

检测模型训练次数是否达到预设训练次数，是则收敛，否则未收敛。