学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
基于相关向量机的高光谱影像分类研究
被引:14
作者
:
杨国鹏
论文数:
0
引用数:
0
h-index:
0
机构:
信息工程大学测绘学院
空军装备研究院
信息工程大学测绘学院
杨国鹏
[
1
,
2
]
余旭初
论文数:
0
引用数:
0
h-index:
0
机构:
信息工程大学测绘学院
信息工程大学测绘学院
余旭初
[
1
]
周欣
论文数:
0
引用数:
0
h-index:
0
机构:
信息工程大学信息工程学院
信息工程大学测绘学院
周欣
[
3
]
张鹏强
论文数:
0
引用数:
0
h-index:
0
机构:
信息工程大学测绘学院
信息工程大学测绘学院
张鹏强
[
1
]
机构
:
[1]
信息工程大学测绘学院
[2]
空军装备研究院
[3]
信息工程大学信息工程学院
来源
:
测绘学报
|
2010年
/ 39卷
/ 06期
关键词
:
高光谱影像;
稀疏贝叶斯模型;
相关向量机;
支持向量机;
D O I
:
暂无
中图分类号
:
P237 [测绘遥感技术];
学科分类号
:
1404 ;
摘要
:
从分析支持向量机用于高光谱影像分类时存在的不足出发,提出一种基于相关向量机的高光谱影像分类方法。在介绍稀疏贝叶斯分类模型的基础上,将相关向量机学习转化为最大化边缘似然函数参数估计问题,并采用快速序列稀疏贝叶斯学习算法。通过PHI和OMIS影像分类试验分析表明基于相关向量机的高光谱影像分类方法的优势。
引用
收藏
页码:572 / 578
页数:7
相关论文
共 2 条
[1]
基于机器学习的高维多光谱数据分类.[D].夏建涛.西北工业大学.2002, 01
[2]
基于核方法的高光谱影像分类与特征提取.[D].杨国鹏.解放军信息工程大学.2007, 06
←
1
→
共 2 条
[1]
基于机器学习的高维多光谱数据分类.[D].夏建涛.西北工业大学.2002, 01
[2]
基于核方法的高光谱影像分类与特征提取.[D].杨国鹏.解放军信息工程大学.2007, 06
←
1
→