基于多核极限学习机的遥感影像林地信息提取

编号 zgly0001646555

文献类型 期刊论文

文献题名 基于多核极限学习机的遥感影像林地信息提取

作者 王传立  张晓芳  唐鼐  袁梦  文益君  郭瑞 

作者单位 中南林业科技大学计算机与信息工程学院 

母体文献 中南林业科技大学学报 

年卷期 2018年09期

年份 2018 

分类号 S771.8 

关键词 高光谱遥感影像  单核极限学习机  多核极限学习机 

文摘内容 高光谱遥感影像包含了大量的波段信息,能够很好地应用于地物的识别。基于单核的高光谱遥感影像极限学习机分类模型,因其实施简单、分类精度高、训练时间短,已被广泛地应用于高光谱遥感影像识别。但是核特征的选取,以及单核特征表达的单一性,限制了模型分类精度的进一步提高。为了解决此问题,受多核极限学习机(MK-ELM)思想的启发,首先使用核方法,提取了遥感影像的多核特征表达;然后利用多核极限学习机理论,同时优化极限学习机结构参数以及多核特征融合系数,获得最优的分类模型。为了说明MK-ELM的有效性,在Indian pines数据集上做了对比实验,该实验证明基于多核极限学习机遥感影像分类模型的分类精度较单核极限学习机有明显地提高,MK-ELM的分类整体精度为80.2%,Kappa系数高达78%;同时将多核极限学习机应用到芷江林场的林地信息提取,其分类精度高达89.1%,Kappa系数达86%。