基于支持向量机的快速高光谱分类研究

• 作者: 刘江永 王大明
• 来源期刊: 陕西师范大学学报(自然科学版)
• 学科: 工学
• 关键词: 高光谱分类 支持向量机 特征降维 计算复杂度
• 年，卷（期）: 2009,（4）
• 所属期刊栏目: 物理学
• 页码范围: 43-47
• 页数: 5页
• 分类号: TP391
• 字数: 4336字
• 语种: 中文

摘要

提出了一种基于支持向量机的快速高光谱分类方法.首先采用基于主成分分析和Bhattacharyya距离的方法进行特征降维,然后通过二叉树的支持向量机(Binary tree of SVMs,BTS)来减少一次分类所需的两类支持向量机个数,最后采用简化支持向量技术进一步减少支持向量的数量.实验采用真实高光谱数据,并与4种其他方法进行比较.结果表明,该方法能有效地加快分类速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘江永	湘潭大学信息工程学院	11	42	4.0	6.0
2	王大明		5	7	1.0	2.0