基于组合降维及旋转SVM的高光谱图像分类

摘要：

高光谱图像的超多波段可以描述丰富的地物信息,但是也带来了维数灾难的问题.文章提出了主成分分析(principal component analysis,PCA)与线性判别式分析(linear discriminant analysis,LDA)组合降维方法,使类内距离最小化、类间距离最大化,有效地消除数据冗余并保留主要信息量,保证了降维后的数据具有最佳区分度;旋转森林是一种先进高效的集成学习算法,将基分类器由决策树改进为支持向量机(support vector machine,SVM),并将组合降维后的数据应用于旋转SVM分类器,分类精度有了显著的提高.实验对比分析表明,该方法具有较好的分类效果.

关键词：高光谱图像、分类、集成学习、支持向量机(SVM)分类器、降维

所属期刊栏目：41

分类号：TP751.1(遥感技术)

资助基金：国家自然科学基金资助项目61461003

在线出版日期：2019-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1617-1621,1651