基于随机子空间核极端学习机集成的高光谱遥感图像分类

• 作者: 宋相法 曹志伟 焦李成 郑逢斌
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 高光谱遥感图像分类 核极端学习机 随机子空间 分类器集成
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 图形图像与模式识别
• 页码范围: 301-304
• 页数: 4页
• 分类号: TP391
• 字数: 3369字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.3.056

摘要

结合随机子空间和核极端学习机集成提出了一种新的高光谱遥感图像分类方法.首先利用随机子空间方法从高光谱遥感图像数据的整体特征中随机生成多个大小相同的特征子集;然后利用核极端学习机在这些特征子集上进行训练从而获得基分类器;最后将所有基分类器的输出集成起来,通过投票机制得到分类结果.在高光谱遥感图像数据集上的实验结果表明:所提方法能够提高分类效果,且其分类总精度要高于核极端学习机和随机森林方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	焦李成	西安电子科技大学智能感知与图像理解教育部重点实验室	514	14586	52.0	103.0
2	郑逢斌	河南大学计算机与信息工程学院	60	472	12.0	19.0
3	曹志伟	河南大学计算机与信息工程学院	8	18	2.0	4.0
4	宋相法	河南大学计算机与信息工程学院	9	150	5.0	9.0