【摘要】：針對支持向量機應(yīng)用于機載LiDAR點云數(shù)據(jù)分類時存在的模型稀疏性弱、預(yù)測結(jié)果缺乏概率意義、核函數(shù)必須滿足Mercer定理等缺點,提出了一種基于相關(guān)向量機的LiDAR點云數(shù)據(jù)分類算法。在分析稀疏貝葉斯分類模型及參數(shù)推斷、預(yù)測基礎(chǔ)上,利用拉普拉斯方法將相關(guān)向量機分類問題轉(zhuǎn)化為回歸問題,通過最大化邊緣似然函數(shù)估計超參數(shù),選擇序列稀疏貝葉斯學(xué)習(xí)方法提高訓(xùn)練速度,構(gòu)造一對余、一對一分類器實現(xiàn)點云數(shù)據(jù)多元分類研究。選擇Niagara地區(qū)及非洲某地區(qū)的LiDAR點云數(shù)據(jù)進行實驗,實驗結(jié)果驗證了基于相關(guān)向量機的點云分類方法的優(yōu)勢。
【作者單位】： 信息工程大學(xué)地理空間信息學(xué)院;
【基金】：國家自然科學(xué)基金(41371436)
【分類號】：P237
，

本文編號：2535628