[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

摘要

目前有许多的算法用于解决高光谱图像分类问题，比如支持向量机，k近邻法，奇异谱分析，主成分分析法和利用光谱信息和空间信息进行高光谱图像分类等等，然而在高光谱图像分类问题上还是存在许多的挑战，比如高光谱的每个像素点的数据结构非常复杂，数据维度非常大，在有限的样本情况下实现高精度的分类和在时间耗费比较少的时间要寻找最优的参数显的非常困难，因此，本发明提出了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，提供一种既能提高高光谱图像的分类精度，又能保持比较少的时间的耗费寻找最优的参数的算法，并且本发明不仅利用高光谱数据的光谱信息，又利用它的空间信息进行高精度的分类。

主权项

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。