基于PSO-SVM的高光谱数据降维的可靠性研究

• 作者: 杨敏华 林辉 臧卓
• 来源期刊: 中国农学通报
• 学科: 地球科学
• 关键词: 高光谱 降维 分类 粒子群(PSO) 支持向量机(SVM)
• 年，卷（期）: 2011,（31）
• 所属期刊栏目: 林学-应用研究
• 页码范围: 47-52
• 分类号: P237
• 字数: 4445字
• 语种: 中文

摘要

PSO结合SVM算法对高光谱数据波段进行优化,每次搜索结果不一定相同,因此很多学者对此类算法的可靠性存在疑问.为了证明PSO-SVM降维算法的可靠性,利用PSO-SVM算法对杉木和马尾松的幼中成熟林的高光谱原始数据、一阶微分变换数据、对数变换数据及归一化变换数据进行降维运算,对降维后选择的波段分别利用支持向量机(SVM)、BP神经网络、Mahalanobis距离分类法、Fisher分类法及贝叶斯分类法进行分类,分类结果中,Fisher分类法的结果最好,所有的分类结果均在90％以上,SVM和BP神经网络的分类结果都保持在80％以上,贝叶斯分类法分类精度最差,所有分类结果均未超过90％,最差结果为43.75％.同时,将PSO-SVM与PCA算法进行对比分析,发现在马尾松和杉木的分类过程中PSO-SVM算法优于PCA算法.最后得出结论,PSO-SVM算法提取的特征对Fisher、SVM及BP神经网络分类法有效；当光谱数据差异非常微小时,PSO-SVM比PCA对特征的提取更有效.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林辉	中南林业科技大学林业遥感信息工程研究中心	130	1476	21.0	29.0
2	杨敏华	中南大学信息物理工程学院	100	1134	19.0	30.0
3	臧卓	中南大学信息物理工程学院	6	92	5.0	6.0