基于SVC和过采样的类别非均衡农业高光谱数据分类

摘要：

系统研究了农业高光谱数据中少数类的分类质量问题.为了提升少数类的分类质量,提出采用过采样SMOTE技术增加少数类新样本,同时研究了SMOTE技术中新样本生成策略和少数类采样倍率对高光谱数据中少数类分类结果的影响,以及不平衡数据集上分类器与模型的匹配度.在新的采样数据集上采用多类分类SVC技术对少数类分类,提升了非均衡高光谱数据集中少数类的分类质量.在真实数据集上进行了试验验证,并对不同的分类方法和系统参数进行了试验对比和分析,结果表明,本文方法能够显著地提高非均衡高光谱数据中少数类分类效果,平均分类精度不小于0.82,平均召回率提升幅度为11.11％ ～26.15％,F1提升幅度为5.81％～40.85％.

关键词：高光谱数据分类、支持向量分类、过采样、非均衡数据、SMOTE

所属期刊栏目：50

分类号：TP391;S24(计算技术、计算机技术)

资助基金：国家自然科学基金项目61502236;中央高校基本科研业务费专项资金项目KYZ201752、KJQN201651

在线出版日期：2019-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：257-264