基于DS聚类的高光谱图像集成分类算法

摘要：

针对高光谱遥感图像维数高、样本少导致分类精度低的问题,提出一种基于DS聚类的高光谱图像集成分类算法(DSCEA).首先,根据高光谱数据特点,从整体波段中随机选择一定数量的波段,构成不同的训练样本;其次,分析图像的空谱信息,构造无向加权图,利用优势集(DS)聚类方法得到最大特征差异的波段子集;最后,根据不同样本,利用支持向量机训练具有差异的单个分类器,采用多数表决法集成最终分类器,实现对高光谱遥感图像的分类.在Indian Pines数据集上DSCEA算法的分类精度最高可达到84.61％,在Pavia University数据集上最高可达到91.89％,实验结果表明DSCEA算法可以有效地解决高光谱图像分类问题.

关键词：优势集、聚类、集成、支持向量机、高光谱图像分类

所属期刊栏目：35

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61172144,61401185

在线出版日期：2018-12-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：3130-3133,3157