基于SSMFA与kNNS算法的高光谱遥感影像分类

• 作者: 冯海亮 王立志 黄鸿
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 高光谱影像 地物分类 图嵌入框架 最近邻
• 年，卷（期）: 2012,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 780-787
• 分类号: TP751.1|TP391.4
• 字数: 7512字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2012.04.026

摘要

为了研究高光谱影像数据的维数约简和分类问题,提出了一种基于半监督边际费希尔分析(SSMFA)和kNNS的高光谱遥感影像数据分类算法.该方法利用有标记数据和无标记数据的信息获得数据的内在流形结构,通过SSMFA将高光谱数据从高维观测空间投影到低维流形空间,然后利用邻域内多个近邻点的信息通过kNNS分类器对低维空间中的数据进行分类.在Urban、Washington和Indian Pine数据集上的分类识别实验表明,该方法能够较为有效地发现高维空间中数据的内蕴结构,在每类随机选取4,6,8个有类别标记的样本10个无类别标记的样本的情况下,该方法的总体分类精度能够比MFA+kNNS提高0.8％～2.5％,比MFA+kNN提高2.8％～4.5％,比其他算法提高4.0％ ～ 7.0％,分类精度有了明显的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄鸿	重庆大学光电技术及系统教育部重点实验室	73	422	11.0	15.0
2	冯海亮	重庆大学光电技术及系统教育部重点实验室	38	482	11.0	21.0
3	王立志	重庆大学光电技术及系统教育部重点实验室	3	39	3.0	3.0