波段選擇能有效減少高光譜數(shù)據(jù)的空間冗余,為后續(xù)分類提供有效的支持。多核模糊粗糙集模型能夠?qū)Π淮_定性的數(shù)值數(shù)據(jù)進(jìn)行分析和近似描述,而蝗蟲(chóng)優(yōu)化算法對(duì)優(yōu)化問(wèn)題求解具有較強(qiáng)的探索和開(kāi)發(fā)能力,因而將多核模糊粗糙集模型引入高光譜的不確定性分析建模中,采用蝗蟲(chóng)優(yōu)化算法對(duì)波段子集進(jìn)行選擇,提出了一種基于多核模糊粗糙集與蝗蟲(chóng)優(yōu)化算法的高光譜波段選擇算法。首先,使用多核算子來(lái)進(jìn)行相似性度量,提高模型對(duì)數(shù)據(jù)分布的適應(yīng)性。定義基于核模糊粗糙集的波段相關(guān)性度量,通過(guò)模糊粗糙集中不同像素點(diǎn)地物上的下近似分布來(lái)度量波段之間的相關(guān)性。然后,綜合考慮波段依賴度、波段信息熵、波段間相關(guān)性來(lái)定義波段子集的適應(yīng)度函數(shù)。最后,在常用高光譜數(shù)據(jù)集Indiana Pines農(nóng)業(yè)區(qū)上,采用J48和K近鄰(KNN)作為分類算法,把所提算法與波段相關(guān)性分析(BCA)、標(biāo)準(zhǔn)化互信息(NMI)算法進(jìn)行分類性能比較。實(shí)驗(yàn)結(jié)果表明,在選取較少波段個(gè)數(shù)時(shí),所提算法的總體平均分類精度提高了2. 46和1. 54個(gè)百分點(diǎn)。

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
0 引言
1 相關(guān)基礎(chǔ)知識(shí)
    1.1 蝗蟲(chóng)優(yōu)化算法
    1.2 基于二進(jìn)制版本的蝗蟲(chóng)特征選擇算法
    1.3 核模糊粗糙集
    1.4 多核模糊粗糙集
2 基于多核模糊粗糙集與蝗蟲(chóng)優(yōu)化算法的高光譜波段選擇
    2.1 基于模糊粗糙集的蝗蟲(chóng)優(yōu)化算法適應(yīng)度函數(shù)
    2.2 蝗蟲(chóng)優(yōu)化算法與模糊粗糙集結(jié)合的高光譜波段選擇算法
3 實(shí)驗(yàn)及結(jié)果分析
    3.1 實(shí)驗(yàn)數(shù)據(jù)集
    3.2 實(shí)驗(yàn)結(jié)果與分析
4 結(jié)語(yǔ)



本文編號(hào)：3738305