极端稀疏多项逻辑回归：一种用于高光谱图像分类的快速稳健框架

摘要： 尽管稀疏多项逻辑回归（SMLR）为稀疏分类提供了有效工具，但其处理高维特征和手动设置初始回归器值的低效性严重限制了在高光谱图像（HSI）分类中的应用。为解决这两个缺陷，本文提出一种极端稀疏多项逻辑回归（ESMLR）以实现HSI高效分类：首先通过随机生成的权重和偏置将HSI数据集投影至新特征空间；其次采用拉格朗日乘数法和对偶原理建立优化模型，通过最小化训练误差与回归器值自动确定SMLR的优质初始回归器；进一步利用扩展多属性剖面（EMAPs）同步提取光谱与空间特征，并提出组合线性多特征学习（MFL）方法增强ESMLR与EMAPs提取的特征；最后在框架中采用基于变量分裂与增广拉格朗日的逻辑回归（LORSAL）以降低计算耗时。在Indian Pines和Pavia University两个典型HSI数据集上的实验表明，所提ESMLR框架具有快速稳健的分类性能。