基于高斯过程分类器协同训练算法的高光谱图像分类方法

发明专利有效专利

申请号：
CN201110155654.8
IPC分类号：G06K9/66
申请日期：
2011-06-10
申请人：
西安电子科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于高斯过程分类器协同训练算法的高光谱图像分类方法
申请号	CN201110155654.8	申请日期	2011-06-10
法律状态	授权	申报国家	中国
公开/公告日	2011-10-05	公开/公告号	CN102208037A
优先权	暂无	优先权号	暂无
主分类号	G06K9/66 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕 G06K9/64 应用带有许多基准的多个图像信号的同时比较或相关的，例如，电阻矩阵〔3〕 G06K9/66 这些基准通过适宜的方法是能够进行调节的，例如，学习〔3〕	IPC分类号	G06K9/66查看分类表>
申请人	西安电子科技大学	申请人地址	陕西省西安市太白南*** 变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	西安电子科技大学	当前权利人	西安电子科技大学
发明人	张向荣;焦李成;王文娜;侯彪;吴家骥;公茂果;刘若辰;马文萍
代理机构	陕西电子工业专利中心	代理人	王品华;朱红星

摘要

本发明提出了一种基于高斯过程分类器协同训练算法的高光谱图像分类方法，它属于图像处理技术领域，主要解决现有技术在高光谱数据有标记样本个数较少时，分类精度不够高的问题。其实现过程为：首先将样本的特征向量随机划分成个两个子特征向量，将这两个子特征向量作为样本的两个视角；然后利用部分无标记样本和已有有标记样本的这两个视角进行高斯过程分类器协同训练，得到两个最终高斯过程分类器；利用这两个最终高斯过程分类器对所有无标记样本的两个视角分别进行标记，并把概率较大的类别标记作为该无标记样本的分类结果。本发明应用于高光谱图像分类，在有标记样本个数少的情况下，能显著提高分类正确率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
1	CN101751666A	2010-06-23	2009-10-16	基于谱聚类的半监督多光谱遥感图像分割方法无效专利	西安电子科技大学
2	CN101853400A	2010-10-06	2010-05-20	基于主动学习和半监督学习的多类图像分类方法失效专利	武汉大学
3	CN101980202A	2011-02-23	2010-11-04	不平衡数据的半监督分类方法无效专利	西安电子科技大学