高光谱数据分类新方法研究

• 作者: 冯燕 吴政 王祥涛
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 独立分量分析 支持向量机 高光谱 概率神经网络 混合核函数
• 年，卷（期）: 2010,（10）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 153-156
• 分类号: TP751
• 字数: 5668字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.10.049

摘要

传统的独立分量分析(ICA)算法无法确定高光谱数据中独立分量的个数,利用概率神经网络(PNN)训练时间短的优点,根据分类精度可以较快地确定出独立分量的个数.提出了一种在确定高光谱数据的维数之后利用支持向量机(SVM)分类的新算法思想,首先利用ICA对高光谱数据降维,并利用PNN确定出独立分量的个数,而后对降维后的数据利用SVM作交叉验证,并采用混合核函数进行分类的算法思想.通过仿真实验表明,该算法可以在保证分类精度的同时大大减少分类的时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯燕	西北工业大学电子信息学院	75	688	15.0	21.0
2	王祥涛	西北工业大学电子信息学院	2	4	1.0	2.0
3	吴政	西北工业大学电子信息学院	1	0	0.0	0.0