一种新的基于多标记分解模型的遥感软分类方法

【作者】 刘小平； 黎夏； 张啸虎；

【机构】 中山大学地理科学与规划学院；

【摘要】 传统的机器学习主要解决单标记学习问题,但真实世界中存在大量多标记数据,即单个样本可能具有多个标记。本文提出一种新的机器学习方法—多标记分解模型(multi-label analysis model,MLA),MLA模型不仅能够识别多标记数据的类别,还能分解出多标记数据中各类别所占的比例。本文通过对k近邻非参数回归模型进行改进,实现了多标记分解模型(MLA)的求解。将MLA模型分别应用于无噪声模拟数据及东莞市TM遥感影像的分解当中,实验结果表明,MLA模型对模拟数据和TM遥感数据均具有较好的分解能力。此外,MLA模型还具有对多标记数据分类的能力,将其应用于东莞市的遥感影像分类实验,取得了较好的分类结果。并与神经网络、最大似然(MLH)及最短距离等传统分类方法进行了对比研究,结果显示,MLA模型的精度比后三者的分类精度要高。更多还原