利用偏态二叉树最小二乘支持向量机进行高光谱遥感影像分类

被引:13
作者
郭学兰
杨敏华
毛军
机构
[1] 中南大学地球科学与信息物理学院
关键词
高光谱; 偏态二叉树最小二乘支持向量机; 交叉验证法; 遗传算法; 粒子群优化算法;
D O I
10.16251/j.cnki.1009-2307.2014.07.033
中图分类号
TP18 [人工智能理论]; TP751 [图像处理方法];
学科分类号
080201 [机械制造及其自动化]; 140502 [人工智能];
摘要
本文采用偏态二叉树最小二乘支持向量机的方法来进行高光谱遥感影像的分类,分别采用交叉验证法、遗传算法、粒子群优化算法来优化高斯径向基核函数的2个参数。以北京昌平小汤山地区的高光谱影像为例,对这3种参数优化方法进行比较验证,其中基于交叉验证法优化参数所获得的分类精度最佳。实验也证明了本文采用的分类方法明显优于其他传统的分类方法,有效地提高了高光谱数据的分类精度。
引用
收藏
页码:87 / 89+107 +107
页数:4
相关论文
共 9 条
[1]
支持向量机遥感图像分类的研究 [D]. 
梁怀翔 .
长安大学,
2011
[2]
一种多尺度高光谱影像小波分形维特征计算方法 [J].
苏俊英 .
遥感信息, 2012, 27 (03) :15-19+59
[3]
LS-SVM算法中优化训练样本对测深异常值剔除的影响 [J].
黄贤源 ;
翟国君 ;
隋立芬 ;
黄谟涛 ;
欧阳永忠 ;
柴洪洲 .
测绘学报, 2011, 40 (01) :22-27
[4]
粒子群最小二乘支持向量机在GPS高程拟合中的应用 [J].
黄磊 ;
张书毕 ;
王亮亮 ;
张秋昭 .
测绘科学, 2010, 35 (05) :190-192
[5]
基于遗传算法优化决策树的多光谱影像分类研究 [J].
林丽群 ;
舒宁 ;
肖俊 ;
肖洲 .
测绘科学 , 2009, (04) :122-124
[6]
最小二乘支持机及其数学原理和应用研究 [J].
刘解放 ;
陈娜 ;
赵磊 ;
侯振雨 .
河南科技学院学报(自然科学版), 2008, (03) :127-129
[7]
粒子群优化算法的发展与展望附视频 [J].
李宁 ;
付国江 ;
库少平 ;
陈明俊 .
武汉理工大学学报(信息与管理工程版), 2005, (02) :26-29
[8]
支撑向量机在光谱遥感影像分类中的若干问题研究 [D]. 
刘志刚 .
武汉大学,
2004
[9]
高光谱遥感及其应用.[M].浦瑞良;宫鹏著;.高等教育出版社.2000,