计算机仿真
計算機倣真
계산궤방진
Computer Simulation
2015年
9期
417-420,449
,共5页
王艺婷%黄世奇%刘代志%王红霞
王藝婷%黃世奇%劉代誌%王紅霞
왕예정%황세기%류대지%왕홍하
波段选择%目标检测%曲线面积%粒子群算法
波段選擇%目標檢測%麯線麵積%粒子群算法
파단선택%목표검측%곡선면적%입자군산법
Band selection%Target detection%Curve area%Particle swarm optimization(PSO)
针对现有的高光谱遥感波段选择方法应用于目标检测时效果不高的问题,提出了一种基于粒子群算法的波段选择(Band Selection Based on Particle Swarm Optimization,BS-PSO)新方法.首先,将能够有效衡量目标检测效果的ROC(Receiver Operating Characteristic)曲线下面积(Area Under the Curve,AUC)作为波段选择准则,并将之构造为适应度函数.接下来,利用群智能优化算法粒子群算法对波段选择搜索过程进行优化,最终得到拥有较高检测效果的波段组合.实验结果表明:以曲线下面积作为衡量波段的指标,能够有效地选出具有较高目标检测性能的波段组合,与其它几种典型的波段选择方法相比,所选波段的目标检测性能平均提升5％;利用粒子群算法优化波段搜索过程,其波段搜索时间较传统的波段搜索方法缩短了一个数量级.新方法具有较强的针对性,能够在较短的时间内,选出具有较高目标检测性能的波段组合,达到降低数据维数及改善目标检测效果的目的.
針對現有的高光譜遙感波段選擇方法應用于目標檢測時效果不高的問題,提齣瞭一種基于粒子群算法的波段選擇(Band Selection Based on Particle Swarm Optimization,BS-PSO)新方法.首先,將能夠有效衡量目標檢測效果的ROC(Receiver Operating Characteristic)麯線下麵積(Area Under the Curve,AUC)作為波段選擇準則,併將之構造為適應度函數.接下來,利用群智能優化算法粒子群算法對波段選擇搜索過程進行優化,最終得到擁有較高檢測效果的波段組閤.實驗結果錶明:以麯線下麵積作為衡量波段的指標,能夠有效地選齣具有較高目標檢測性能的波段組閤,與其它幾種典型的波段選擇方法相比,所選波段的目標檢測性能平均提升5％;利用粒子群算法優化波段搜索過程,其波段搜索時間較傳統的波段搜索方法縮短瞭一箇數量級.新方法具有較彊的針對性,能夠在較短的時間內,選齣具有較高目標檢測性能的波段組閤,達到降低數據維數及改善目標檢測效果的目的.
침대현유적고광보요감파단선택방법응용우목표검측시효과불고적문제,제출료일충기우입자군산법적파단선택(Band Selection Based on Particle Swarm Optimization,BS-PSO)신방법.수선,장능구유효형량목표검측효과적ROC(Receiver Operating Characteristic)곡선하면적(Area Under the Curve,AUC)작위파단선택준칙,병장지구조위괄응도함수.접하래,이용군지능우화산법입자군산법대파단선택수색과정진행우화,최종득도옹유교고검측효과적파단조합.실험결과표명:이곡선하면적작위형량파단적지표,능구유효지선출구유교고목표검측성능적파단조합,여기타궤충전형적파단선택방법상비,소선파단적목표검측성능평균제승5％;이용입자군산법우화파단수색과정,기파단수색시간교전통적파단수색방법축단료일개수량급.신방법구유교강적침대성,능구재교단적시간내,선출구유교고목표검측성능적파단조합,체도강저수거유수급개선목표검측효과적목적.
