基于稀疏MK-LSSVM的高光谱图像不平衡分类

• 作者: 晁拴社 楚恒
• 来源期刊: 城市勘测
• 学科: 工学
• 关键词: 高光谱图像 不平衡分类 稀疏MK-LSSVM 压缩感知
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 3S研究与应用
• 页码范围: 69-73
• 页数: 5页
• 分类号: TP751.1
• 字数: 4271字
• 语种: 中文

摘要

针对高光谱图像分类中没有考虑高光谱数据地物种类复杂、数据规模较大以及样本分布不规则而导致的少数类分类精度较低,分类器鲁棒性差的问题,提出一种基于稀疏多核最小二乘支持向量机(Multiple Kernel Least Squares Support Vector Machine,MK-LSSVM)的高光谱图像不平衡分类方法.该方法先用k均值聚类将多数类的训练样本分为k类,然后利用采样技术对每一群组中的样本进行处理与少数类样本均衡,最后建立最MK-LSSVM分类器.该方法对于MK-LSSVM不稀疏的问题,引入了压缩感知理论对其进行稀疏求解.实验表明本文提出的分类方法提高了少数地物的分类精度,同时减少了标准支持向量机训练样本时间消耗大的问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	楚恒		14	39	4.0	5.0
5	晁拴社		7	13	3.0	3.0