基于非线性相关系数核方法的超谱数据分类

针对一对一策略的支持向量机算法进行了加权改造,提出一种新的基于非线性相关系数的核方法,在没有地物真实参考图的情况下进一步提高了超谱数据的分类精度。该方法考虑到遥感超谱数据信息依波段分布不均匀的特性,采用非线性相关系数对各波段数据在核函数内部进行加权,使得与参考图相关信息多的波段在分类器中发挥更为显著的作用。同时还提出一种基于非线性相关系数的参考图估计算法,解决了实际应用中真实参考图难以获取的问题。实验对比了采用径向基函数核的支持向量机分类器,结果显示在内部参数为典型值时,所提方法可在无需地物真实参考图的情况下将多分类平均精度和总体精度提高2.90%和3.11%,且运算耗时无明显增加。