基于高光谱数据波段选择的茅洲河悬浮物浓度反演

摘要：

针对基于高光谱数据的悬浮物浓度反演问题,提出一种利用预训练神经网络(PNN)进行有监督波段选择的方法,并使用随机森林和神经网络建立悬浮物浓度反演模型.PNN算法需进行多次重复实验以获得低噪声且充分的波段重要性表达,在每次实验时选取适当数量的波段作为神经网络输入数据的特征,训练一个神经网络,并利用最后一期训练时第一层权重的L1范数、L2范数和ReLU(Rectified Linear Unit)函数来表示波段的重要性.实验结果表明,相比其他常用的波段选择算法,使用L1范数、L2范数的PNN算法能够得到信息量更大的波段集合,且其用于悬浮物浓度反演时,能够获得更优的效果.

关键词：大气光学、高光谱数据、波段选择、预训练神经网络、悬浮物浓度反演

所属期刊栏目：58

分类号：TP79(遥感技术)

在线出版日期：2021-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：27-35