一种基于深度Q-learning遥感数据离散化的优化方法

本发明提供一种基于深度Q‑learning遥感数据离散化的优化方法，所述方法包括：对遥感影像进行特征提取获得特征子集，对所述特征子集进行预处理获得候选断点集，并对所述候选断点集进行二进制遗传编码，构建待优化离散化方案；通过遗传算子的全局搜索能力与局部搜索能力来设计交叉阶段和变异阶段的状态集；构建具有控制变量的适应度函数，构建自适应奖励函数；引入一对具有相同结构的深度Q‑learning在交叉状态与变异状态的转变中对Q值进行实时计算，确定待优化的离散化方案的交叉片段和变异点。本发明通过对待优化离散化方案引入一对具有相同结构的深度Q‑learning，提升了基于进化模型的特征离散化方法的搜索效率，在获得较高分类精度的同时能够进一步地减少断点数目。