基于主动学习的遥感图像地块目标分类

屈晓渊,张永恒

(榆林学院信息工程学院，陕西 榆林 719000)

0 引 言

机器学习(Machine Learning, ML)是一个多领域的交叉学科，主要研究内容是使计算机可以高度模拟人类的思维方式和学习能力[1]，通过获取知识更新、重组知识结构等方式以达到不断完善的目的，其核心是从海量数据中进行自动分析，获取数据分布规律，并从发现的规律中对未知数据进行预测[2]。机器学习目前在数据挖掘[3]、人工智能[4]、计算机视觉[5]、医学图像分析[6]、金融证券预测[7]等众多场景和领域中取得重大突破。机器学习的主要研究内容有监督学习[8]、无监督学习[9]、半监督学习[10]和主动学习等方面。主动学习作为机器学习中一个重要的领域，其主要特点是通过一定方法的检索，在未标记的数据集中检索出最有意义的数据进行标记，以期提高模型的性能[11]。主动学习主要实现2个目标：一是通过已标注的数据集，使模型获得最佳性能；二是使用较小的标注数据集对模型的性能进行进一步优化[12]。在遥感图像分类研究中，机器学习的目标是选出最具有标记意义的数据进行标记，以最大限度地提高设计好的模型的性能。主动学习可以帮助实现2个目标:

1)通过对一定量未标记数据标记后以达到模型的最优性能[13]。假设遥感数据集中有50000份未标记的数据，如何选择性地标记5000份未标记数据，以实现模型性能的最优化。

2)用最小的数据标记代价获得模型的最优性能[14]。假设需要模型的判别准确率达到75.8%，如何通过标记最少的未标记数据来实现模型的准确率要求。……