رویکرد طبقه بندی نیمه نظارتی کارآمد برای تصویربرداری ابرطیفی

در این مقاله، یک ماشین بردار پشتیبانی نیمه نظارتی کارآمد SVM با الگوریتم کلی مبتنی بر تقسیم بندی برای طبقه بندی تصویر ابرطیفی پیشنهاد شده است. این الگوریتم از اطلاعات فضایی استخراج شده توسط یک الگوریتم تقسیم بندی برای انتخاب نمونه بدون برچسب استفاده می کند. نمونه های بدون برچسب که بیشترین شباهت را به موارد برچسب داردارند، یافت شده و مجموعه کاندید نمونه های بدون برچسب که قرار است انتخاب شوند، به بخش های تصویر متناظر بسط داده می شود. برای تضمین این مطلب که نمونه بدون برچسب نهایی به صورت فضایی توزیع گسترده داشته باشد و همبستگی آن کمتر باشد، انتخاب تصادفی انجام می شود با انعطاف پذیری تعداد نمونه های بدون برچسب که درواقع در یادگیری نیمه نظارتی شرکت دارند. طبقه بندی همچنین از طریق یک تکنیک کلی مشخصه طیفی – فضایی پالایش می شود. روش پیشنهادی با نمونه های آموزش برچسب دار بسیار محدود از طریق آزمایش ها با دو تصویر ابرطیفی ارزیابی می شود که در آن این مورد بر SVM کاملا نظارتی و نسخه نیمه نظارتی بدون دسته کلی طیفی - فضایی برتری دارد.

کلیدواژه ها:

لاتین SVM ، ابر طیف ، نیمه نظارتی ، برچسب