[发明专利]一种基于多核机器学习的不平衡高光谱图像分类方法在审
| 申请号： | 202110528831.6 | 申请日： | 2021-05-14 |
| 公开（公告）号： | CN113283482A | 公开（公告）日： | 2021-08-20 |
| 发明（设计）人： | 汪洪桥;汪羚;付光远;姚钧译;张少磊;王冕;贾晓雅 | 申请（专利权）人： | 中国人民解放军火箭军工程大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 张海平 |
| 地址： | 710025 陕西*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 多核 机器 学习 不平衡 光谱 图像 分类 方法 | ||
1.一种基于多核机器学习的不平衡高光谱图像分类方法，其特征在于，包括以下步骤：
1)获取原始样本，通过原始样本构建原始训练集X，得原始训练集X的Gram矩阵；
2)根据原始训练集X的Gram矩阵计算扩展合成Gram矩阵Km；
3)根据扩展合成Gram矩阵Km构建多核模型，然后基于多核模型，优化MKLMO目标函数，得最优内核函数权系数及拉格朗日乘子
4)将最优内核函数权系数及拉格朗日乘子代入到决策函数中，将测试样本代入决策函数中，得测试样本的类别，完成基于多核机器学习的不平衡高光谱图像分类。
2.根据权利要求1所述的基于多核机器学习的不平衡高光谱图像分类方法，其特征在于，多核模型为：
其中，为原始训练集X的Gram矩阵，K2m,K3m,K4m均由原始数据集X的Gram矩阵K1m得到。
3.根据权利要求2所述的基于多核机器学习的不平衡高光谱图像分类方法，其特征在于，
其中，表示合成少数类样本，δj为介于0，1之间的随机数。
4.根据权利要求2所述的基于多核机器学习的不平衡高光谱图像分类方法，其特征在于，
5.根据权利要求2所述的基于多核机器学习的不平衡高光谱图像分类方法，其特征在于，
6.根据权利要求1所述的基于多核机器学习的不平衡高光谱图像分类方法，其特征在于，MKLMO目标函数为：
其中，C为误分类惩罚因子，N+，N-及P分别表示多数类、少数类以及合成类样本数量。
7.根据权利要求1所述的基于多核机器学习的不平衡高光谱图像分类方法，其特征在于，决策函数为：
8.根据权利要求1所述的基于多核机器学习的不平衡高光谱图像分类方法，其特征在于，步骤3)中，基于内核模型，利用SVM求解器计算MKLMO目标函数。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军火箭军工程大学，未经中国人民解放军火箭军工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110528831.6/1.html，转载请声明来源钻瓜专利网。
