计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2009年
4期
268-272
,共5页
全间隔自适应模糊支持向量机%智能遗传算法%高光谱遥感图像%分类
全間隔自適應模糊支持嚮量機%智能遺傳算法%高光譜遙感圖像%分類
전간격자괄응모호지지향량궤%지능유전산법%고광보요감도상%분류
提出了一种新型的具有良好特性的支持向量机--全间隔自适应模糊支持向量机(TAFSVM),并提出一种新的遗传算法--智能遗传算法(IGA)来设计一个TAFSVM分类器,称为ETAFSVM,同时优化高光谱遥感图像自动波段选择和TAFSVM参数集,并且结合5-fold交叉验证来确定其泛化能力,最后将ETAFSVM应用于高光谱遥感图像数据.通过先进行自适应波段选择后再用径向基神经网络分类器、K-最近邻分类器和标准支持向量机等3种方法进行全部分类精度比较,以及与这3种方法直接进行类别分类精度和平均分类精度比较,其结果表明运用ETAFSVM不仅可以自动进行波段选择,而且分类精度较高,对Hughes现象敏感性较低,是进行高光谱遥感图像分类的一种有效方法.
提齣瞭一種新型的具有良好特性的支持嚮量機--全間隔自適應模糊支持嚮量機(TAFSVM),併提齣一種新的遺傳算法--智能遺傳算法(IGA)來設計一箇TAFSVM分類器,稱為ETAFSVM,同時優化高光譜遙感圖像自動波段選擇和TAFSVM參數集,併且結閤5-fold交扠驗證來確定其汎化能力,最後將ETAFSVM應用于高光譜遙感圖像數據.通過先進行自適應波段選擇後再用徑嚮基神經網絡分類器、K-最近鄰分類器和標準支持嚮量機等3種方法進行全部分類精度比較,以及與這3種方法直接進行類彆分類精度和平均分類精度比較,其結果錶明運用ETAFSVM不僅可以自動進行波段選擇,而且分類精度較高,對Hughes現象敏感性較低,是進行高光譜遙感圖像分類的一種有效方法.
제출료일충신형적구유량호특성적지지향량궤--전간격자괄응모호지지향량궤(TAFSVM),병제출일충신적유전산법--지능유전산법(IGA)래설계일개TAFSVM분류기,칭위ETAFSVM,동시우화고광보요감도상자동파단선택화TAFSVM삼수집,병차결합5-fold교차험증래학정기범화능력,최후장ETAFSVM응용우고광보요감도상수거.통과선진행자괄응파단선택후재용경향기신경망락분류기、K-최근린분류기화표준지지향량궤등3충방법진행전부분류정도비교,이급여저3충방법직접진행유별분류정도화평균분류정도비교,기결과표명운용ETAFSVM불부가이자동진행파단선택,이차분류정도교고,대Hughes현상민감성교저,시진행고광보요감도상분류적일충유효방법.
