计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2014年
12期
283-287
,共5页
任越美%李垒%张艳宁%魏巍%李映
任越美%李壘%張豔寧%魏巍%李映
임월미%리루%장염저%위외%리영
高光谱图像%波段选择%粒子群优化%协同优化%支持向量机
高光譜圖像%波段選擇%粒子群優化%協同優化%支持嚮量機
고광보도상%파단선택%입자군우화%협동우화%지지향량궤
Hyperspectral image%Band selection%Particle swarm optimization%Cooperative optimization%Support vector machine
针对高光谱图像分类过程中数据波段多以及信息冗余量大引起的处理速度慢及Hughes现象等问题,提出了一种基于多粒子协同进化算法进行高光谱图像自动波段选择与分类的方法:使用多粒子群协同进化算法搜索特征子集,对粒子群优化算法进行改进,定义新的位置和速度的更新策略,并以支持向量机为分类器,同时对特征子集和SVM核函数参数进行优化.在协同搜索过程中,引入遗传算法改善粒子群优化的“早熟”收敛问题,构建了一种新的MPSO-SVM(Multiple particle swarm optimization-SVM)分类模型.对高光谱遥感图像的实验结果表明:MPSO-SVM方法不仅能有效地压缩光谱的特征维数,得到最佳的波段组合,还能得到最优的SVM参数,达到较好的分类效果,提高分类精度.
針對高光譜圖像分類過程中數據波段多以及信息冗餘量大引起的處理速度慢及Hughes現象等問題,提齣瞭一種基于多粒子協同進化算法進行高光譜圖像自動波段選擇與分類的方法:使用多粒子群協同進化算法搜索特徵子集,對粒子群優化算法進行改進,定義新的位置和速度的更新策略,併以支持嚮量機為分類器,同時對特徵子集和SVM覈函數參數進行優化.在協同搜索過程中,引入遺傳算法改善粒子群優化的“早熟”收斂問題,構建瞭一種新的MPSO-SVM(Multiple particle swarm optimization-SVM)分類模型.對高光譜遙感圖像的實驗結果錶明:MPSO-SVM方法不僅能有效地壓縮光譜的特徵維數,得到最佳的波段組閤,還能得到最優的SVM參數,達到較好的分類效果,提高分類精度.
침대고광보도상분류과정중수거파단다이급신식용여량대인기적처리속도만급Hughes현상등문제,제출료일충기우다입자협동진화산법진행고광보도상자동파단선택여분류적방법:사용다입자군협동진화산법수색특정자집,대입자군우화산법진행개진,정의신적위치화속도적경신책략,병이지지향량궤위분류기,동시대특정자집화SVM핵함수삼수진행우화.재협동수색과정중,인입유전산법개선입자군우화적“조숙”수렴문제,구건료일충신적MPSO-SVM(Multiple particle swarm optimization-SVM)분류모형.대고광보요감도상적실험결과표명:MPSO-SVM방법불부능유효지압축광보적특정유수,득도최가적파단조합,환능득도최우적SVM삼수,체도교호적분류효과,제고분류정도.
