地灾评估：无人机与LiDAR协同观测的主动学习算法

主动学习（Active Learning，AL）算法属于机器学习和模式识别的研究范畴，主要用来解决监督和半监督分类中的样本选择问题。AL算法通过采集尽量少而优的训练样本实现分类精度的最大化，同时节省人力采样成本和分类耗时。AL是一个迭代过程，表3.2为以Pool-based AL（Catlett和Lewis，1994）为例概括AL算法的基本流程（Tuia等，2011）：第一，给定一个没有标记类的样本集，并把这些样本抽象地放入一个池子（Pool）中。第二，利用当前已标记类的少量样本训练分类器得到SVM训练参数，据此对待采样池中的样本进行分类。第三，按AL算法中设计的某种采样规则（见后文）选出分类器认为最有效的样本或样本集，并把这些样本（集）反馈给用户对其所属的类别进行标记。第四，把标记类的样本扩充到当前训练样本中再次训练分类器。重复上述过程，通过逐次选择最优的样本对当前训练样本进行扩充。最后，当达到某个预设的终止条件后结束主动学习过程，对地物进行分类。

主动学习算法的基本流程：

算法描述：

迭代训练分类器并选择最优训练样本，期望利用较少的训练样本得到较高的分类精度。

输入：

：初始训练样本集，χ∈ℝd表示d维的特征空间；yi∈{1，2，…，N}为类号；є=1表示迭代次数。

，є=1：待标记训练样本库。

q：单次迭代需要标记的样本数。

操作步骤：

步骤1：Repeat。

步骤2：利用当前训练样本集Xє训练分类器。(www.xing528.com)

步骤3：For任意点xi∈Uєdo。

步骤4：基于设计的采样方法计算目标函数值Oi。

步骤5：end for。

步骤6：基于Oi大小对xi∈Uє排序，并选择其中最有效的前q个样本：Sє=。

步骤7：用户对Sє的类别赋值，即。

步骤8：扩充原训练样本为Xє+1=Xє∪Sє，同时从Uє中删掉已被选中的样本集，即Uє+1=Uє/Sє。

步骤9：є=є+1

步骤10：Until遇到终止条件。

如上述操作步骤4斜体字标示，AL算法的核心是设计有效的采样方法（QF）。一般来讲，不同的采样方法选取的训练样本集不同。Olsson（2009）和Tuia等（2011）分别针对AL算法在机器学习和遥感影像分类中的应用做了系统的介绍，可将采样方法概况为两类：基于不确定性的采样方法和基于多样性的采样方法。两种方法之间存在一定的联系。一般来讲，基于不确定性的采样方法较适合每次迭代选择一个样本，而在地物类别复杂的分类场景中，常需采集较多的训练样本，因此，采用基于不确定性的采样方法所需的迭代次数多，分类效率低。为提高采样效率，人们期望单次采集h>1个样本，而单纯依靠不确定性采样方法可能导致多个样本间包含相似的信息，对分类结果造成冗余。在此背景下，研究者Brinker（2003）提出了顾及样本多样性的采样方法（Brinker，2003），即单次选出h′≫h个不确定性最大的样本，从中选取多样性最大的h>1个样本。当前基于多样性的采样机制主要有两种：聚类多样性（Cluster-Based Diversity，CBD）和核空间角度多样性（Angle-Based Diversity，ABD）。

虽然加入样本多样性可在一定程度上优化采样机制，提高分类效率，但其操作上具有一定的主观性。例如，基于ABD的采样方法中，通过设定阈值来分配样本不确定性和多样性的权重，并采用线性组合的方式确定最终的采样机制。大量实验表明，阈值设定的优劣会影响样本选择的质量，进而影响分类精度。为避免阈值选择问题，E.Pasolli（2011）尝试利用遗传算法来平衡不确定性和多样性的关系。虽然该方法避免了设定阈值的问题，缩小了有效样本的选择范围，但最终仍需设定主观条件进行采样。此外，实验测试得到的基于SVM的分类结果表明，基于不确定性的采样机制对于分类结果的贡献已较为明显。