粒子群优化算法用于高光谱遥感影像分类的自动波段选择

• 作者: 丁胜 袁修孝 陈黎
• 来源期刊: 测绘学报
• 学科: 地球科学
• 关键词: 高光谱遥感影像 支持向量机(SVM) 粒子群优化(PSO)算法 波段选择
• 年，卷（期）: 2010,（3）
• 页码范围: 257-263
• 分类号: P237
• 字数: 5127字
• 语种: 中文

摘要

针对传统SVM分类方法的缺点,采用粒子群优化(particle swarm optimization,PSO)算法自动选择合适的渡段影像并对SVM核函数参数进行优化,提出一种新的PSO-BSSVM分类模型.经过对高光谱遥感影像的分类试验,并与K_最近邻(K-NN)、径向基神经网络(RBF-NN)和标准的支持向量机(SVM)三种分类方法进行对比实验,证明PSO-BSSVM方法能优选高光谱遥感影像的波段和优化SVM参数,明显提高影像的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈黎	武汉科技大学计算机科学与技术学院	40	171	7.0	11.0
2	袁修孝	武汉大学遥感信息工程学院	66	1455	23.0	35.0
3	丁胜	武汉大学遥感信息工程学院	4	46	3.0	4.0