申请/专利权人：广州地理研究所;南方海洋科学与工程广东省实验室(广州)

申请日：2019-12-16

公开（公告）日：2020-05-19

公开（公告）号：CN111178180A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/62(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.08.11#授权;2021.01.26#实质审查的生效;2020.05.19#公开

摘要：本发明涉及一种基于改进型蚁群算法的高光谱影像特征选择方法及装置，利用蚁群算法对高光谱影像的特征集进行特征选择，通过获取当前蚂蚁已选择的特征子集和候选特征，计算已选择的特征子集与候选特征之间的平均皮尔森相关系数，得到已选择的特征子集与候选特征之间的相关程度，根据所述平均皮尔森相关系数重新获取候选特征的启发函数值，根据启发函数值计算蚂蚁选择所述候选特征的概率并利用自适应的信息素更新策略及时更新路径上的信息素浓度。相比较现有技术，本发明能够有效提高高光谱影像特征选择准确性和效率。

主权项：1.一种基于改进型蚁群算法的高光谱影像特征选择方法，其特征在于，包括以下步骤：步骤S1：获取高光谱影像的特征集和所述特征集对应的特征选择结果；步骤S2：根据所述特征集和所述特征选择结果，利用蚁群算法对所述特征集进行特征选择；步骤S3：对于位于特征空间的某一位置的蚂蚁，获取当前蚂蚁已选择的特征子集和待选择的若干候选特征；步骤S4：获取所述已选择的特征子集与每个候选特征之间的平均皮尔森相关系数，根据所述平均皮尔森相关系数重新获取每个候选特征的启发函数值；步骤S5：基于伪随机策略，根据所述启发函数值计算蚂蚁选择所述候选特征的概率，确定蚂蚁选择的下一特征；步骤S6：当蚁群选择特征数量达到设定值，利用自适应的信息素更新策略更新路径上的信息素浓度；步骤S7：判断是否满足预设的停机条件，若是，则输出特征选择结果，否则，重复执行步骤S4-步骤S6。

全文数据：

权利要求：

百度查询： 广州地理研究所;南方海洋科学与工程广东省实验室(广州) 基于改进型蚁群算法的高光谱影像特征选择方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD