用于 HSI 数据分类的 LSTM

Posted 2023-02-16

【中文标题】用于 HSI 数据分类的 LSTM

【英文标题】：LSTM for HSI data classification

【发布时间】：2021-10-07 12:29:01

【问题描述】：

我正在尝试使用 LSTM 对 Pavia University HSI data 进行分类。 X_train 数据的形状为 (610x340, 103)，y_train 数据的形状为 (610x340)。总共有9个班。因此，我有 207400 个样本和 103 个特征（每个时间步 1 个特征）。我应该如何重塑我的数据，其中每个样本都是具有一个特征的 103 个时间步长的时间序列，以便使用 LSTM 进行分类？

【参考方案1】：

最好的方法是通过嵌入层传递您的数据，该层接受 2D 格式（样本、时间步长）的输入并将其投影到 3D（样本、时间步长、特征）。

因此，Embedding 层的输出可以传输到 Keras LSTM 层中的 LSTM 层，该层接受 3D 张量。

【参考方案2】：

由于您的 y_train 有 9 个类并且形状 (610x340)，我认为您在 y_train 中有类标签，您需要将每个标签转换为二进制 (1/0)。因此，对于 y_train 中的每一行，您将有 9 列，并且您的最终 y_train 应该是形状 (207400, 9)。您可以为此使用 keras.utils.to_categorical。然后您的 X_train 需要按顺序（N_observations、n_time_steps、n_variables）重塑。您可以先将其整形为 (610X340X103, 1) 或 (21362200, 1)，然后再整形为 (207400, 103, 1)

【讨论】：

我已将我的 X_train 和 y_train 分别重塑为 (207400,103) 和 (207400,)。现在我应该将 input_shape 尺寸设置为 (103,1) 吗？

你的 X_train 需要是 (207400, 103, 1) 并且 y_train 需要是 (207400, 9) 因为你有 9 个类。 LSTM 的 input_shape 维度应该是 (103, 1) 并且网络需要以 9 个节点结束