收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于小波核主成分分析的相关向量机高光谱图像分类

赵春晖  张燚  王玉磊  
【摘要】:相关向量机(RVM)高光谱图像分类是一种较新的高光谱图像分类方法,然而算法本身存在对于高维大样本数据训练时间过长、分类精度不高的问题。针对这些问题,该文提出一种基于新型核主成分分析的RVM分类方法。该方法首先将核函数引入到主成分分析中,然后应用小波核函数代替传统核函数,利用小波核函数的多分辨率分析特点,进一步提高核主成分分析(KPCA)非线性映射能力,最终将新型核主成分分析算法与相关向量机相结合,对高光谱图像进行分类。仿真实验结果表明,将所提出的方法应用于AVIRIS美国印第安纳州实验田高光谱数据预处理后,类内类间距离比降低20%,方差整体增幅较大,最终将处理后的数据应用于相关向量机的高光谱图像分类中,分类精度提升3%~5%。

知网文化
【相似文献】
中国硕士学位论文全文数据库 前2条
1 郭春燕;基于支持向量机的高光谱遥感图像分类[D];哈尔滨工程大学;2007年
2 于君娜;基于神经网络的高光谱遥感图像分类研究[D];哈尔滨工程大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978