一种基于迁移学习和标签噪声过滤的遥感数据分类方法

本发明公开了一种基于迁移学习和标签噪声过滤的遥感数据分类方法，包括步骤：通过动态自适应迁移过滤模块，引入特征权重动态调节，实时计算源域样本特征的适用性，并调整其在迁移过程中的影响力；通过可信性回归驱动对目标域样本标签进行优化；引入多尺度时空一致性学习框架，构建多模态特征融合网络，动态调整多模态特征的融合权重；通过交互式目标域样本标签修正，结合预测驱动反馈机制和人工标注协作，对目标域样本标签噪声进行修正；通过迁移感知的嵌套式噪声过滤网络，结合源域样本特征的迁移信息与目标域样本标签分布，逐层过滤噪声目标域样本标签并优化样本权重分布；本方案具有实现对大规模遥感数据的高效、准确分类的特点。