光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2013年
8期
2192-2197
,共6页
陈善静%胡以华%石亮%王磊%孙杜娟%徐世龙
陳善靜%鬍以華%石亮%王磊%孫杜娟%徐世龍
진선정%호이화%석량%왕뢰%손두연%서세룡
高光谱图像%蚁群算法%支持向量机%组合优化
高光譜圖像%蟻群算法%支持嚮量機%組閤優化
고광보도상%의군산법%지지향량궤%조합우화
Hyperspectral imagery%Ant colony optimization algorithm%Support vector machine%Composite optimization
提出了一种空-谱二维特征蚁群组合优化支持向量机的高光谱图像分类算法.利用两类蚁群分别在光谱维空间和样本分布空间交替搜索最大类间距波段组合和异质样本,提取最优特征波段,降低了高光谱的波段信息冗余,去除训练样本中的异质样本,优化了训练样本特征空间分布.将蚁群组合优化后的高光谱图像和训练样本应用到支持向量机(SVM)分类器中,扩大了特征空间类间距,提高了SVM算法的分类精度.实验表明该算法总分类精度达95.45％,Kappa系数0.925 2,是一种分类精度较高的高光谱图像分类方法.
提齣瞭一種空-譜二維特徵蟻群組閤優化支持嚮量機的高光譜圖像分類算法.利用兩類蟻群分彆在光譜維空間和樣本分佈空間交替搜索最大類間距波段組閤和異質樣本,提取最優特徵波段,降低瞭高光譜的波段信息冗餘,去除訓練樣本中的異質樣本,優化瞭訓練樣本特徵空間分佈.將蟻群組閤優化後的高光譜圖像和訓練樣本應用到支持嚮量機(SVM)分類器中,擴大瞭特徵空間類間距,提高瞭SVM算法的分類精度.實驗錶明該算法總分類精度達95.45％,Kappa繫數0.925 2,是一種分類精度較高的高光譜圖像分類方法.
제출료일충공-보이유특정의군조합우화지지향량궤적고광보도상분류산법.이용량류의군분별재광보유공간화양본분포공간교체수색최대류간거파단조합화이질양본,제취최우특정파단,강저료고광보적파단신식용여,거제훈련양본중적이질양본,우화료훈련양본특정공간분포.장의군조합우화후적고광보도상화훈련양본응용도지지향량궤(SVM)분류기중,확대료특정공간류간거,제고료SVM산법적분류정도.실험표명해산법총분류정도체95.45％,Kappa계수0.925 2,시일충분류정도교고적고광보도상분류방법.
