系统工程与电子技术

作者：冯伟, 龙以君, 全英汇, 邢孟道

单位：1. 西安电子科技大学电子工程学院, 陕西 西安 710071；2. 西安电子科技大学前沿交叉研究院, 陕西 西安 710071

关键词：迁移学习,神经网络,机器学习,数据挖掘

基金：国家自然科学基金(62201438);国家自然科学基金(62331019);国家自然科学基金(12005169);陕西林业科技创新重点专项(SXLK2022-02-8);陕西省自然科学基础研究计划(2021JC-23);陕西省社会科学界联合会项目(2022HZ1759)

在遥感图像分类实际应用中, 深度学习经常面临高光谱数据有效标签不完备、样本多类不平衡和数据分布随时空动态变化等问题, 难以发挥优势。基于上述问题, 提出一个基于人工少数类过采样方法(synthetic minority oversampling technique, SMOTE)和深度迁移卷积神经网络的土地覆盖分类算法。所提算法创新性地采用深度迁移学习, 使算法能够学习不同时空相同地物的相似性, 并利用SMOTE方法对学习数据进行类分布空间优化平衡, 从而解决目标域数据不足和数据类不平衡问题。两组公开的高光谱遥感图像被用来验证所提算法的有效性。实验结果表明, 相比传统的深度学习, 所提算法能够更有效地解决数据不足和数据类不平衡问题提高分类精度。

来源：2023年第12期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2023年第12期