顾及分类器参数的全极化SAR图像特征选择与分类

• 作者: 徐佳 程圆娥 袁春琦 许康
• 来源期刊: 测绘科学技术学报
• 学科: 地球科学
• 关键词: 极化SAR 特征选择 支持向量机 分类 参数优化
• 年，卷（期）: 2016,（5）
• 页码范围: 507-512
• 页数: 6页
• 分类号: P237
• 字数: 4668字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-6338.2016.05.013

摘要

全极化SAR获取的信息量远多于传统SAR,但信息量的增加并不能确保分类精度的提高,如何有效进行特征选择至关重要.针对自适应特征选择问题,提出一种顾及分类器参数的特征选择和分类方法.该方法以支持向量数为评估依据,结合遗传算法进行特征选择,并同时对分类器参数进行寻优;最后利用优选的特征集和模型参数进行分类.为验证算法的有效性,利用两组全极化数据进行了监督分类实验.实验结果表明,提出方法降低了SVM分类器对自身参数的敏感性,而且能在较少特征个数下具备良好的泛化性能,分类精度优于未经过特征选择和参数优化的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐佳	河海大学地球科学与工程学院	35	220	9.0	13.0
3	许康		11	48	5.0	6.0
4	程圆娥	河海大学地球科学与工程学院	5	20	3.0	4.0
5	袁春琦	河海大学地球科学与工程学院	5	28	3.0	5.0