基于自适应极速学习机的遥感图像目标识别

作     者：张楠 丁世飞 许新征 Zhang Nan;Ding Shifei;Xu Xinzheng

作者机构：中国矿业大学计算机科学与技术学院徐州221116 中国科学院计算技术研究所智能信息处理重点实验室北京100190 

出 版 物：《南京大学学报（自然科学版）》 (Journal of Nanjing University（Natural Science）)

年 卷 期：2014年第50卷第4期

页      面：474-481页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家重点基础研究发展计划(2013CB329502) 国家自然科学基金(61379101) 江苏省自然科学基金(BK20130209) 

主　　题：遥感图像 极速学习机 AP聚类 不变矩 

摘      要：随着遥感技术的突飞猛进,遥感图像目标识别在军事方面以及民用方面都有重要的应用.但是在对遥感图像目标识别的过程中,由于遥感图像的高分辨率等客观条件限制,无法实现对目标实时和精确的识别.极速学习机具有很快的学习速度并且是一次完成的,在小样本学习的问题中得到了广泛的应用.可以先对遥感图像进行特征提取,然后用极速学习机的神经网络方法对遥感图像目标进行识别,这是解决问题的一种有效方法.本文首先在极速学习机的基础上针对极速学习机隐层神经元过多的问题进一步提出隐层神经元数目自动确定的自适应极速学习机的算法,然后介绍了遥感图像特征提取的方法,最后通过实验仿真验证自适应极速学习机算法在遥感图像目标识别上的准确性和实用性.