关联向量机在高光谱影像分类中的应用

被引:7
作者
董超
赵慧洁
机构
[1] 北京航空航天大学仪器科学与光电工程学院教育部精密光机电一体化技术实验室
关键词
遥感; 分类; 关联向量机; 高光谱;
D O I
暂无
中图分类号
TP751 [图像处理方法];
学科分类号
摘要
将关联向量机应用于高光谱影像分类,实现高维空间中训练样本不足时分类器的精确建模。从稀疏贝叶斯理论出发,分析关联向量机原理,探讨一对多、一对一和两种直接的多分类方法。实验环节比较了各种多分类方法,并从精度、稀疏性两方面将关联向量机与支持向量机等经典算法比较。实验结果表明,两种直接的多分类方法内存占用大、效率低;一对多精度最高,但效率较低;一对一计算效率最高,精度与一对多近似。关联向量机精度不如支持向量机,但解更稀疏,测试样本较多时实时性好,适合处理大场景高光谱影像的分类问题。
引用
收藏
页码:1273 / 1284
页数:12
相关论文
共 4 条
[1]   A comparative study for content-based dynamic spam classification using four machine learning algorithms [J].
Yu, Bo ;
Xu, Zong-ben .
KNOWLEDGE-BASED SYSTEMS, 2008, 21 (04) :355-362
[2]   RVM-based multi-class classification of remotely sensed data [J].
Foody, G. M. .
INTERNATIONAL JOURNAL OF REMOTE SENSING, 2008, 29 (06) :1817-1823
[3]   Retrieval of oceanic chlorophyll concentration with relevance vector machines [J].
Camps-Valls, Gustavo ;
Gomez-Chova, Luis ;
Munoz-Mari, Jordi ;
Vila-Frances, Joan ;
Amoros-Lopez, Julia ;
Calpe-Maravilla, Javier .
REMOTE SENSING OF ENVIRONMENT, 2006, 105 (01) :23-33
[4]  
Covariance estimation with limited training samples. Saldju Tadjudin,David Landgrebe. IEEE Transactions on Geoscience and Remote Sensing . 1999