本文關(guān)鍵詞：基于稀疏MK-LSSVM的高光譜圖像不平衡分類

  更多相關(guān)文章： 高光譜圖像 不平衡分類 稀疏MK-LSSVM 壓縮感知

【摘要】：針對高光譜圖像分類中沒有考慮高光譜數(shù)據(jù)地物種類復(fù)雜、數(shù)據(jù)規(guī)模較大以及樣本分布不規(guī)則而導(dǎo)致的少數(shù)類分類精度較低,分類器魯棒性差的問題,提出一種基于稀疏多核最小二乘支持向量機(Multiple Kernel Least Squares Support Vector Machine,MK-LSSVM)的高光譜圖像不平衡分類方法。該方法先用k均值聚類將多數(shù)類的訓(xùn)練樣本分為k類,然后利用采樣技術(shù)對每一群組中的樣本進行處理與少數(shù)類樣本均衡,最后建立最MK-LSSVM分類器。該方法對于MK-LSSVM不稀疏的問題,引入了壓縮感知理論對其進行稀疏求解。實驗表明本文提出的分類方法提高了少數(shù)地物的分類精度,同時減少了標準支持向量機訓(xùn)練樣本時間消耗大的問題。
【作者單位】： 重慶郵電大學(xué);重慶市勘測院;
【關(guān)鍵詞】： 高光譜圖像 不平衡分類 稀疏MK-LSSVM 壓縮感知
【基金】：重慶市博士后科研項目(Rc201336)
【分類號】：P237
【正文快照】： (1.重慶郵電大學(xué),重慶400065;2.重慶市勘測院,重慶400020)1引言高光譜圖像(Hyperspectral Image,HSI)數(shù)據(jù)有著豐富的光譜信息,可以對地物進行精細的光譜分類,所以近年來被應(yīng)用在軍事勘察、礦業(yè)勘測、醫(yī)學(xué)檢測等多個領(lǐng)域[1]。由于傳統(tǒng)的高光譜圖像分類方法沒有考慮不平衡分類問

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王立國;孫杰;肖倩;;結(jié)合空-譜信息的高光譜圖像分類方法[J];黑龍江大學(xué)自然科學(xué)學(xué)報;2010年06期

2 耿修瑞,張霞,陳正超,張兵,鄭蘭芬,童慶禧;一種基于空間連續(xù)性的高光譜圖像分類方法[J];紅外與毫米波學(xué)報;2004年04期

3 谷延鋒;劉穎;賈友華;張曄;;基于光譜解譯的高光譜圖像奇異檢測算法[J];紅外與毫米波學(xué)報;2006年06期

4 李杰;趙春暉;梅鋒;;利用背景殘差數(shù)據(jù)檢測高光譜圖像異常[J];紅外與毫米波學(xué)報;2010年02期

5 陳雷;張曉林;劉榮科;雷志東;;光譜去相關(guān)技術(shù)在高光譜圖像小波壓縮中的應(yīng)用[J];光譜學(xué)與光譜分析;2010年06期

6 孫林;鮑金河;;基于主成分抑制的高光譜圖像異常目標檢測方法[J];測繪科學(xué);2012年01期

7 趙春暉;齊濱;張q，

本文編號：645068