基于主动学习的高光谱异常检测SVDD算法

• 作者: 张立燕 曾现灵 胡荣华
• 来源期刊: 地理空间信息
• 学科: 地球科学
• 关键词: 高光谱图像 异常检测 支持向量数据描述 主动学习
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 3S 技 术
• 页码范围: 58-60
• 页数: 3页
• 分类号: P237.3
• 字数: 1750字
• 语种: 中文
• DOI: 10.11709/j.issn.1672-4623.2014.04.020

摘要

针对SVDD算法在高光谱图像异常检测中存在的计算量过大的问题，提出基于主动学习的SVDD异常检测算法。因为SVDD计算复杂度与训练样本的数量成指数增加，将主动学习的思想引入算法中。这种方法主动地选择构建超球体的支持向量样本，剔除对于构建超球体贡献不大的样本，大大减少了进行计算的数据量。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张立燕	首都师范大学三维信息获取与应用教育部重点实验室	7	22	3.0	4.0
2	胡荣华	首都师范大学资源环境与地理信息系统北京市重点实验室	3	4	2.0	2.0
3	曾现灵	首都师范大学资源环境与地理信息系统北京市重点实验室	4	12	2.0	3.0