基于多层训练的稀疏非负矩阵高光谱混合像元分解

非负矩阵分解方法不仅被用作数据降维,并且被广泛地应用于高光谱混合像元分解。由于非负矩阵分解常常陷于局部最小化,各种限制性条件被使用,如稀疏、体积等。深度学习作为一种新的数据挖掘方法被广泛地使用,其通过建立深度网络,进行贪婪学习,最终可以克服样本数据不足及陷于局部最优化的缺陷。文中借助深度学习的非监督训练方法,采用多层训练神经元进行非负矩阵高光谱混合像元分解,除此之外,数据的稀疏特性被当作先验知识用于多层网络的训练及重构。通过对真实高光谱遥感影像大量实验发现,此方法简单易行,且精度明显高于目前其它非负矩阵分解方法。