基于 Einstein 模糊计算和量子神经网络的高光谱异常检测
偏微分方程分析
2026-05-07 v1
摘要
在遥感领域，高光谱图像提供丰富的光谱信息，便于实现诸多关键应用，如材料识别。在这些应用中，高光谱异常检测旨在检测其光谱特征偏离背景光谱的物质，这些物质称为异常值。然而，许多在遥感社区中广泛使用的 HAD 算法通过依赖“背景重建”策略来识别异常值。此外，缺乏先验目标光谱和现实限制共同导致异常值与背景之间的光谱偏差降低，限制了主流检测方法的性能。通过探索在遥感领域广泛适用的模糊理论，本研究开发了一种基于 Einstein 模糊计算和量子神经网络的无监督混合量子-模糊多准则决策框架（HyFuHAD），从多个角度检测异常值。在我们的 HyFuHAD 中，首先对每个像元使用多种基于 HAD 的成员函数（包括形态学、几何和统计成员函数），以获得各种类型的模糊程度。然后，通过 Einstein 模糊计算，从这些模糊程度推断经典模糊检测结果。Einstein 和积提供相对于典型最小-最大基于模糊“或”和“与”的平滑过渡，从而在模糊匹配和推断步骤中有效实现检测。此外，一个轻量级量子去模糊器从由所提议模糊特征聚合网络派生的模糊特征中获得量子模糊检测结果。实验表明，我们的 HyFuHAD 算法通过融合量子和经典探测器的信息，实现了最先进的性能。演示代码将在 https://github.com/IHCLab/HyFuHAD 上公开。
引用
@article{arxiv.2605.04386,
title = {Global spherically symmetric solutions to the multidimensional isentropic compressible Navier--Stokes--Korteweg system with large initial data},
author = {Zhengzheng Chen and Fanfan Jiang},
journal= {arXiv preprint arXiv:2605.04386},
year = {2026}
}