利用偏态二叉树最小二乘支持向量机进行高光谱遥感影像分类Application of skew binary tree multi-class LS-SVM classifier in hyperspectral remote sensing image classification
郭学兰,杨敏华,毛军
摘要(Abstract)：
本文采用偏态二叉树最小二乘支持向量机的方法来进行高光谱遥感影像的分类,分别采用交叉验证法、遗传算法、粒子群优化算法来优化高斯径向基核函数的2个参数。以北京昌平小汤山地区的高光谱影像为例,对这3种参数优化方法进行比较验证,其中基于交叉验证法优化参数所获得的分类精度最佳。实验也证明了本文采用的分类方法明显优于其他传统的分类方法,有效地提高了高光谱数据的分类精度。
关键词(KeyWords)： 高光谱;偏态二叉树最小二乘支持向量机;交叉验证法;遗传算法;粒子群优化算法
基金项目(Foundation):
作者(Author): 郭学兰,杨敏华,毛军
DOI: 10.16251/j.cnki.1009-2307.2014.07.033
参考文献(References)：
- [1]童庆禧,张兵,郑兰芬.高光谱遥感-原理、技术及应用[M].北京:高等教育出版社,2006.
- [2]浦瑞良,宫鹏.高光谱遥感及其应用[M].北京:高等教育出版社,2000.
- [3]Vapnik V N.An overview of statistical learning theory[C]//IEEE Trans.Neural Network,2008,10(5):988-999.
- [4]梁怀翔.支持向量机遥感图像分类的研究[D].西安,长安大学,2011.
- [5]刘志刚.支撑向量机在光谱遥感影像分类中的若干问题研究[D].武汉:武汉大学,2004.
- [6]黄贤源,翟国君,等.LS-SVM算法中优化训练样本对测深异常值剔除的影响[J].测绘学报,2011,40(1):22-27.
- [7]刘解放,陈娜,等.最小二乘支持向量机及其数学原理和应用研究[J].河南科技学院学报(自然科学版),2008,36(3):127-129.
- [8]唐俊冰,等.基于交叉验证最小二乘支持向量机的风速预测[C]//中国高等学校电力系统及其自动化专业第二十四届学术年会论文集:2705-2708.
- [9]Kennedy J,Eberhart R C.A discrete binary version of the particle swarm algorithm[C]//IEEE Press,1997:4104-4108.
- [10]林丽群,舒宁,等.基于遗传算法优化决策树的多光谱影像分类研究[J].测绘科学,2009,34(4):122-124.
- [11]李宁,付国江,库少平,等.粒子群优化算法的发展与展望[J].武汉理工大学学报(信息与管理工程版),2005,27(2):26-29.
- [12]黄磊,张书毕,等.粒子群最小二乘支持向量机在GPS高程拟合中的应用[J].测绘科学,2010,35(5):190-192.
- [13]苏俊英.一种多尺度高光谱影像小波分形维特征计算方法[J].遥感信息,2012,27(3).