文献类型：会议

作　　者：李晓会 何明一 王伟刚

作者单位：西北工业大学电子信息学院,对地观测研究中心 陕西省信息获取与处理重点实验室 西安市东祥路1号,西北工业大学长安校区 710129

会议文献：第三届全国成像光谱对地观测学术研讨会 论文集

会议名称：第三届全国成像光谱对地观测学术研讨会

会议日期：20150900

会议地点：西安

主办单位：国际数字地球学会中国国家委员会;中科院;西北大学

出版日期：20150900

语　　种：中文

摘　　要：提取有效的分类特征是机器学习领域的热点问题。深度学习通过组合低层特征形成更加抽象的高层类别属性或特征，以挖掘数据的分布式特征表示;深度神经网络的多层非线性结构使其具备强大的特征表达能力和对复杂任务的建模能力。以层次化、逐层初始化为代表的一系列方法比如深度神经网络(DNN)、堆栈自编码网络(SAE)和深度信念网络(DBN)的提出使对深层模型的有效训练成为可能并在语音和图像处理等领域获得了成功。常见的深度网络具有深层结构且数千万参数需要学习，导致训练非常耗时。深度堆栈网络(DSN)[1-2]克服了深度结构中无法并行化学习网络参数问题，可加速深度网络训练。高光谱遥感图像具有显著的高维非线性特点，线性特征提取方法容易造成信息丢失和失真。本研究提出一种基于DSN模型(一种深度堆栈神经网络)的高光谱遥感图像分类方法。将DSN模型应用到高光谱遥感图像分类，利用深度堆栈神经网络充分挖掘高光谱图像数据之间的特征关系，可以获得数据之间隐含的深层关系，建立鲁棒的目标特征。

关 键 词：深度学习  深度堆栈网络  并行化学习  分类精度  DROPOUT

分 类 号：G4[教育学类] G80]