針對高光譜圖像維度高、地物間非線性可分造成的分類精度低等問題,提出一種基于多標(biāo)簽共享子空間和內(nèi)核脊回歸的空譜分類算法.該算法利用內(nèi)核脊回歸將地物相近像素在線性空間的不可分特征映射到高維空間中,實現(xiàn)分類特性在高維空間下的有效分離,以提高地物相近特性的區(qū)分精度;同時將高維樣本數(shù)據(jù)映射到低維共享子空間中,在低維環(huán)境下以多類標(biāo)為指導(dǎo),引入低秩矩陣建立類別標(biāo)簽與共享空間的預(yù)測關(guān)系,挖掘多標(biāo)簽間的共同特性,提高融合利用多類別間的共同屬性提高高光譜圖像的分類精度;最后利用奇異值分解迭代法求解目標(biāo)函數(shù),一定程度上加速參數(shù)求解.在Indian Pines和Pavia University兩組高光譜數(shù)據(jù)集上進行仿真實驗,實驗結(jié)果表明,與其他同類算法相比,在低樣本比例下,本文算法在總體分類精度、平均分類精度和Kappa系數(shù)等評價指標(biāo)上至少提高4.76%、4.24%和5.19%,與非內(nèi)核化的算法相比,本文算法在基本不增加運行時間的情況下總體分類精度、平均分類精度和Kappa系數(shù)至少提高2.92%、2.8%和3.48%. 

【文章頁數(shù)】：13 頁

【文章目錄】：
0 引言
1 內(nèi)核脊回歸
2 多標(biāo)簽共享子空間學(xué)習(xí)
3 仿真實驗與結(jié)果分析
    3.1 參數(shù)確定
    3.2 算法有效性
    3.3 算法適用性
4 結(jié)論


【參考文獻】：
期刊論文
[1]多核融合多尺度特征的高光譜影像地物分類[J]. 王慶超,付光遠,汪洪橋,王超.  光學(xué)精密工程. 2018(04)
[2]變異系數(shù)降維的CNN高光譜遙感圖像分類[J]. 張康,黑保琴,周壯,李盛陽.  遙感學(xué)報. 2018(01)
[3]基于隨機奇異值分解的快速矩陣補全算法及其應(yīng)用[J]. 馮栩,李可欣,喻文健,黎耀航.  計算機輔助設(shè)計與圖形學(xué)學(xué)報. 2017(12)
[4]基于邊緣保持濾波的高光譜影像光譜-空間聯(lián)合分類[J]. 張成坤,韓敏.  自動化學(xué)報. 2018(02)
[5]基于異構(gòu)網(wǎng)絡(luò)面向多標(biāo)簽系統(tǒng)的推薦模型研究[J]. 王瑜,武延軍,吳敬征,劉曉燕.  軟件學(xué)報. 2017(10)
[6]改進的LLGC高光譜圖像半監(jiān)督分類[J]. 盛振國,王立國.  哈爾濱工程大學(xué)學(xué)報. 2017(07)
[7]綜合聚類和上下文特征的高光譜影像分類[J]. 鮑蕊,薛朝輝,張像源,蘇紅軍,杜培軍.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2017(07)
[8]基于鄰域分割的空譜聯(lián)合稀疏表示高光譜圖像分類技術(shù)研究[J]. 王彩玲,王洪偉,胡炳樑,溫佳,徐君,李湘眷.  光譜學(xué)與光譜分析. 2016(09)
[9]諧波能量譜特征向量的高光譜影像Bayes分類[J]. 楊可明,劉二雄,卓偉,張婉婉,劉聰.  計算機應(yīng)用研究. 2017(05)
[10]優(yōu)化子空間SVM集成的高光譜圖像分類[J]. 楊凱歌,馮學(xué)智,肖鵬峰,朱榴駿.  遙感學(xué)報. 2016(03)



本文編號：3681541