优化子空间SVM集成的高光谱图像分类

编号 zgly0001590081

文献类型 期刊论文

文献题名 优化子空间SVM集成的高光谱图像分类

作者 杨凯歌  冯学智  肖鹏峰  朱榴骏 

作者单位 南京大学地理信息科学系江苏省地理信息技术重点实验室卫星测绘技术与应用国家测绘地理信息局重点实验室 

母体文献 遥感学报 

年卷期 2016年03期

年份 2016 

分类号 TP751 

关键词 高光谱图像分类  随机子空间  优化子空间  支持向量机 

文摘内容 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。