近日,資源信息研究所符利勇研究員率領研究團隊在無人機圖像處理研究領域取得重要進展,研究成果以“Robust Capped L1-norm Twin Support Vector Machine”為題,在國際計算機領域一區(qū)、TOP期刊《Neural Networks》(影響因子為7.20)上發(fā)表。課題組聯合培養(yǎng)的碩士研究生王春燕、南京林業(yè)大學信息科學技術學院業(yè)巧林副教授、資源信息研究所羅鵬助理研究員為論文共同第一作者,符利勇研究員為通訊作者論文鏈接(https://www.sciencedirect.com/science/article/pii/S0893608019300309)。研究得到了“十三五”國家重點研發(fā)計劃“陸地生態(tài)系統(tǒng)碳源匯監(jiān)測技術及指標體系”子課題的資助。
在許多應用問題中,如森林資源監(jiān)測、林業(yè)遙感參數提取和森林生物量估計等,物種分類是一個必不可少的研究內容。近年來,孿生支持向量機作為一個有效的分類工具,因具較傳統(tǒng)支持向量機在效率和性能上更好的優(yōu)勢而一直是支持向量機的研究熱點問題。然而,現有的孿生支持向量機技術無法保證獲取最好的魯棒性。在大數據時代背景下,數據分布日趨復雜,且以各種形式呈現,如林業(yè)遙感圖像,往往包含了大量的噪聲或野值,因此,構建魯棒孿生支持向量機,對推動機器學習和模式識別理論有著深遠的意義。所以,本研究提出了一種切距離度量下孿生支持向量機方法,其思路在于將那些超過閾值的距離賦予固定的較小的值,以便減少野值因到平面距離過大對模型的支配。所構建的目標問題具非凸和非平滑性,為了獲得解,設計了一個有效的求解策略,并從理論上證明了該算法的收斂性和解的存在性。在公共數據集上,驗證了該算法的有效性。該研究成果,進一步為無人機圖像技術在森林參數提取和森林生物量估計等研究提供了堅實的理論基礎。