基于演化算法和超限学习机的高光谱遥感图像信息处理研究

基本信息
批准号:61773355
项目类别:面上项目
资助金额:64.00
负责人:蔡之华
学科分类:
依托单位:中国地质大学(武汉)
批准年份:2017
结题年份:2021
起止时间:2018-01-01 - 2021-12-31
项目状态: 已结题
项目参与者:龚文引,李向,江俊君,姜鑫维,吴佳,张咏珊,方晓平,蔡耀明,伍宇
关键词:
演化算法高光谱图像超限学习机
结项摘要

For hyperspectral remote sensing images, they suffer from the challenges of the curses of dimensionality and the nonlinear data structure. Motivated by these, in this proposal we will investigate the integrated algorithms, which are the combination of evolutionary algorithm and Extreme Learning Machine for the applications of hyperspectral remote sensing image, to explore the underlying relationship and interaction between evolutionary algorithm and Extreme Learning Machine. Through analysis of the current research status and the pros and cons of evolutionary algorithm and Extreme Learning Machine in the applications of hyperspectral remote sensing image, we mainly focus on the follow key issues: (1) Evolutionary algorithm based on Extreme Learning Machine for the problem of band selection in hyperspectral remote sensing image; (2) Deep extreme learning machine based on evolutionary algorithm for the problem of feature extraction in hyperspectral remote sensing image; (3) Extreme learning machine based on evolutionary algorithm for the problem of classification in hyperspectral remote sensing image; and (4) The software about information processing for hyperspectral remote sensing image. Therefore, we can believe that our research in this proposal is very important and meaningful, and it will promote the cross-research in evolutionary computation, machine learning and the applications of hyperspectral remote sensing image.

针对高光谱遥感图像中存在的维度灾难和非线性数据等复杂问题的挑战,本项目拟开展基于演化算法和超限学习机的结合算法研究,深入探讨二者之间存在的相互作用与影响,并将研究成果应用于高光谱遥感图像信息处理的实际问题中。在全面分析演化算法和超限学习机在高光谱遥感图像应用研究现状的基础上,创新性地开展以下主要研究内容:1)针对高光谱遥感图像波段选择问题,开展基于超限学习机的演化算法模型研究;2)针对高光谱遥感图像特征提取问题,开展基于演化算法的深度超限学习机模型研究;3)针对高光谱遥感图像分类识别问题,开展基于演化算法的新型超限学习机模型研究;4)自主设计并开发基于演化算法和超限学习机的高光谱遥感图像信息处理原型系统,并将前述算法集成于该系统。本项目的研究为高光谱遥感图像信息处理提供有效的解决方案,同时有利于进一步推进演化计算、机器学习和高光谱遥感图像应用等领域的交叉研究,具有重要的理论意义和应用价值。

项目摘要

本项目针对高光谱遥感图像中的维度灾难和非线性数据等复杂问题的挑战,开展了基于演化算法和超限学习机的结合算法研究,深入探讨了二者之间存在的相互作用与影响,并将研究成果应用于高光谱遥感图像信息处理的实际问题中。在全面分析演化算法和超限学习机在高光谱遥感图像应用研究现状的基础上,创新性地开展了以下主要研究任务:1)针对高光谱遥感图像波段选择问题,开展基于超限学习机的演化算法模型研究,提出了新的研究模型和算法;2)针对高光谱遥感图像特征提取问题,开展基于演化算法的深度超限学习机模型研究;3)针对高光谱遥感图像分类识别问题,开展基于演化算法的新型超限学习机模型研究。本项目的研究为高光谱遥感图像信息处理提供有效的解决方案,同时有利于进一步推进演化计算、机器学习和高光谱遥感图像应用等领域的交叉研究。

项目成果
{{index+1}}

{{i.achievement_title}}

{{i.achievement_title}}

DOI:{{i.doi}}
发表时间:{{i.publish_year}}

暂无此项成果

数据更新时间:2023-05-31

其他相关文献

1

基于铁路客流分配的旅客列车开行方案调整方法

基于铁路客流分配的旅客列车开行方案调整方法

DOI:
发表时间:2021
2

针对弱边缘信息的左心室图像分割算法

针对弱边缘信息的左心室图像分割算法

DOI:10.3778/j.issn.1002-8331.1911-0012
发表时间:2020
3

一种基于多层设计空间缩减策略的近似高维优化方法

一种基于多层设计空间缩减策略的近似高维优化方法

DOI:10.1051/jnwpu/20213920292
发表时间:2021
4

基于LS-SVM香梨可溶性糖的近红外光谱快速检测

基于LS-SVM香梨可溶性糖的近红外光谱快速检测

DOI:
发表时间:
5

基于改进LinkNet的寒旱区遥感图像河流识别方法

基于改进LinkNet的寒旱区遥感图像河流识别方法

DOI:10.6041/j.issn.1000-1298.2022.07.022
发表时间:2022

相似国自然基金

1

基于混合差分演化算法及集成迁移学习的高光谱遥感图像分类方法研究

批准号:61603355
批准年份:2016
负责人:刘小波
学科分类:F0305
资助金额:20.00
项目类别:青年科学基金项目
2

基于演化算法的主动学习及其在高光谱遥感图像信息提取中的应用

批准号:61403351
批准年份:2014
负责人:蒋思伟
学科分类:F0601
资助金额:26.00
项目类别:青年科学基金项目
3

基于自适应光谱库的高光谱遥感图像稀疏解混算法研究

批准号:61801404
批准年份:2018
负责人:王蕊
学科分类:F0113
资助金额:24.00
项目类别:青年科学基金项目
4

基于稀疏化表示的高光谱遥感图像去噪算法研究

批准号:61101183
批准年份:2011
负责人:孙蕾
学科分类:F0113
资助金额:22.00
项目类别:青年科学基金项目