[发明专利]基于超限学习机和置信度传播的高光谱图像分类的算法

权利要求书

1.一种基于超限学习机和置信度传播的高光谱图像分类的算法，包括如下步骤：步骤一：对于高光谱数据进行归一化；

步骤二：在高光谱数据进行归一化以后，抽取训练样本，然后将训练样本作为超限学习机的输入对超限学习机进行训练，训练完以后保存超限学习机的参数；

步骤三：训练完超限学习机以后将所有的高光谱数据的样本作为超限学习机的输入进行分类；

步骤四：在超限学习机分类完以后，超限学习机会有一个输出矩阵，将此矩阵作为置信度传播的输入，由置信度传播利用训练样本和高光谱数据的空间信息进行进一步的分类。

2.根据权利要求1所述的基于超限学习机和置信度传播的高光谱图像分类的算法，其特征在于：所述的步骤一具体为：假定x≡(x₁,x₂,...,x_N)∈R^N×L为高光谱数据集中的像素点，高光谱数据集有N个像素点，每个像素点有L个光谱特征归一化是将高光谱数据集的取值范围在0到1之间：

其中x_ij表示高光谱数据集中的一个数据，max()表示高光谱数据集中最大的那个数据。

3.根据权利要求1所述的基于超限学习机和置信度传播的高光谱图像分类的算法，其特征在于：所述步骤四具体为：假定x_i表示给定的输入，y_i表示所期望的输出，那么在给定的输入情况下通过最大化后验概率来估计所输出的结果：

q(y_i/x)是指概率p(y/x)关于y_i的边缘密度。