基于机器学习的遥感数据处理方法综述 祁欣.pdf

品牌与标准化 2022年6月
BRAND & STANDARDIZATION
基于机器学****的遥感数据处理方法综述
数据处 间隔最大化。目前，通过集成多个分类器或直接考虑多类问
理提供极大的帮助。 题的方法也能够实现多类支持向量机。如图 1 所示，支持向
机器学****在遥感领域的应用主要分两类：一类是与机器 量机方法对小样本分类问题具有优势。但目前基于支持向量
学****传统应用领域更为接近的遥感图像识别、分类等技术；另 机的遥感图像分类方法仅有少数能取得预期效果。
一类是包括地表信息获取、气溶胶反演、超分辨率重建等更为 随机森林
复杂的遥感技术应用。 随机森林利用的是集成学****思想的一种监督学****分类方
法。它的基本单元是决策树。每一棵决策树就作为一个分类
1 传统机器学****应用
器，在分类过程中，每一棵树都会产生一个分类结果。随机森
机器学****在遥感图像分类和识别等方面的应用与现在广
林算法会对所有分类结果进行投票，确定最终分类结果，如图
- 148 -祁欣：基于机器学****的遥感数据处理方法综述 业内思考
2所示。算法的随机性体现在两个方面：一方面是算法为每一
棵决策树分配的样本是随机的；另一方面是每一棵决策树所
分配的特征数量是随机的。随机森林以其分类准确度高，能
够处理大量输入变数等优势在遥感领域引起了广泛的关注。
图3 神经元计算过程
随着研究人员对人工神经网络研究的不断深入和硬件环
境的不断进步，出现了更深层的神经网络，也就是深度学****