矿山测量
礦山測量
광산측량
MINE SURVEYING
2014年
2期
22-26
,共5页
混合像元分解%非负矩阵分解%多层网络训练%深度学习
混閤像元分解%非負矩陣分解%多層網絡訓練%深度學習
혼합상원분해%비부구진분해%다층망락훈련%심도학습
非负矩阵分解方法不仅被用作数据降维,并且被广泛地应用于高光谱混合像元分解.由于非负矩阵分解常常陷于局部最小化,各种限制性条件被使用,如稀疏、体积等.深度学习作为一种新的数据挖掘方法被广泛地使用,其通过建立深度网络,进行贪婪学习,最终可以克服样本数据不足及陷于局部最优化的缺陷.文中借助深度学习的非监督训练方法,采用多层训练神经元进行非负矩阵高光谱混合像元分解,除此之外,数据的稀疏特性被当作先验知识用于多层网络的训练及重构.通过对真实高光谱遥感影像大量实验发现,此方法简单易行,且精度明显高于目前其它非负矩阵分解方法.
非負矩陣分解方法不僅被用作數據降維,併且被廣汎地應用于高光譜混閤像元分解.由于非負矩陣分解常常陷于跼部最小化,各種限製性條件被使用,如稀疏、體積等.深度學習作為一種新的數據挖掘方法被廣汎地使用,其通過建立深度網絡,進行貪婪學習,最終可以剋服樣本數據不足及陷于跼部最優化的缺陷.文中藉助深度學習的非鑑督訓練方法,採用多層訓練神經元進行非負矩陣高光譜混閤像元分解,除此之外,數據的稀疏特性被噹作先驗知識用于多層網絡的訓練及重構.通過對真實高光譜遙感影像大量實驗髮現,此方法簡單易行,且精度明顯高于目前其它非負矩陣分解方法.
비부구진분해방법불부피용작수거강유,병차피엄범지응용우고광보혼합상원분해.유우비부구진분해상상함우국부최소화,각충한제성조건피사용,여희소、체적등.심도학습작위일충신적수거알굴방법피엄범지사용,기통과건립심도망락,진행탐람학습,최종가이극복양본수거불족급함우국부최우화적결함.문중차조심도학습적비감독훈련방법,채용다층훈련신경원진행비부구진고광보혼합상원분해,제차지외,수거적희소특성피당작선험지식용우다층망락적훈련급중구.통과대진실고광보요감영상대량실험발현,차방법간단역행,차정도명현고우목전기타비부구진분해방법.
