遥感信息
遙感信息
요감신식
2009年
2期
52-56
,共5页
贝叶斯网络%简单贝叶斯网络分类器%互信患%条件独立性假设%遥感影像%分类
貝葉斯網絡%簡單貝葉斯網絡分類器%互信患%條件獨立性假設%遙感影像%分類
패협사망락%간단패협사망락분류기%호신환%조건독립성가설%요감영상%분류
将Naive Bayesian Classifier(简单贝叶斯网络分类器)用于遥感影像的分类,并对其主要问题如特征选择和后验概率推理等展开研究.使用K2结构学习算法选出具有类别可分性的波段,进一步利用互信息测试对遥感波段之间的相关性做分析,去除冗余信息.特征(波段)的条件独立性假设简化了联合概率的计算,以较小的计算代价获得后验概率.在此基础上,将Naive Bayesian Classifier用于多光谱和高光谱影像的分类,获得很好的性能和相当高的稳健性.
將Naive Bayesian Classifier(簡單貝葉斯網絡分類器)用于遙感影像的分類,併對其主要問題如特徵選擇和後驗概率推理等展開研究.使用K2結構學習算法選齣具有類彆可分性的波段,進一步利用互信息測試對遙感波段之間的相關性做分析,去除冗餘信息.特徵(波段)的條件獨立性假設簡化瞭聯閤概率的計算,以較小的計算代價穫得後驗概率.在此基礎上,將Naive Bayesian Classifier用于多光譜和高光譜影像的分類,穫得很好的性能和相噹高的穩健性.
장Naive Bayesian Classifier(간단패협사망락분류기)용우요감영상적분류,병대기주요문제여특정선택화후험개솔추리등전개연구.사용K2결구학습산법선출구유유별가분성적파단,진일보이용호신식측시대요감파단지간적상관성주분석,거제용여신식.특정(파단)적조건독립성가설간화료연합개솔적계산,이교소적계산대개획득후험개솔.재차기출상,장Naive Bayesian Classifier용우다광보화고광보영상적분류,획득흔호적성능화상당고적은건성.
