基于马氏距离多核学习的高光谱图像分类
核学习方法是一类广泛用于高光谱图像处理的机器学习方法.提出了一种用于高光谱图像分类的马氏距离多核学习方法.首先将马氏距离度量学习与高斯核函数相结合,利用马氏距离在去除特征之间耦合关系、与量纲无关等方面的优势,构造出马氏基本核,进而将马氏基本核按照线性加权组合成马氏距离多核.该方法利用样本特征和类别信息,通过马氏距离的作用,将高光谱数据映射到一个类内距离更小、类间距离更大的特征空间后再实施分类操作,达到提高分类精度的目的.为了评估所提出的方法,在两个实际的高光谱数据集上进行了实验,并与传统的高斯单核及流行的多核学习方法进行比较.结果 表明该方法具有更高的分类精度.
高光谱图像分类、多核学习、马氏距离度量学习
39
TP751;TH744.1(遥感技术)
2019-05-14(万方平台首次上网日期,不代表论文的发表时间)
共8页
250-257