杨凯歌
- 作品数：1 被引量：19H指数：1
- 供职机构：南京大学地理信息科学系更多>>
- 发文基金：江苏省自然科学基金福建省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 优化子空间SVM集成的高光谱图像分类被引量：19
- 2016年
- 随机子空间集成是很有前景的高光谱图像分类技术,子空间的多样性和单个子空间的性能与集成后的分类精度密切相关。传统方法在增强单个子空间性能的同时,往往会获得大量最优但相似的子空间,因而减小它们之间的多样性,限制集成系统的分类精度。为此,提出优化子空间SVM集成的高光谱图像分类方法。该方法采用支持向量机(SVM)作为基分类器,并通过SVM之间的模式差别对随机子空间进行k-means聚类,最后选择每类中J-M距离最大的子空间进行集成,从而实现高光谱图像分类。实验结果显示,优化子空间SVM集成的高光谱图像分类方法能够有效解决小样本情况下的Hughes效应问题;总体精度达到75%–80%,Kappa系数达到0.61–0.74;比随机子空间集成方法和随机森林方法分类精度更高、更稳定,适合高光谱图像分类。
- 杨凯歌冯学智肖鹏峰朱榴骏
- 关键词：高光谱图像分类随机子空间支持向量机
