K均值聚类和孪生支持向量机相结合的高光谱图像半监督分类

• 作者: 杜心平 王立国
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 高光谱图像 半监督分类 机器学习 孪生支持向量机 K均值聚类算法 样本缩减 分类精度
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 现代电子技术
• 页码范围: 12-18
• 页数: 7页
• 分类号: TP391
• 字数: 4990字
• 语种: 中文
• DOI: 10.11991/yykj.201606010

摘要

为解决高光谱数据维度高、波段之间相关性强、获取大量监督信息费时费力的问题,对高光谱图像的分类进行研究.半监督分类方法是基于传统的机器学习的一种分类方法,它可以利用少量带标签的监督信息和大量无监督信息解决获取大量监督信息问题.将分类精度高、分类时间长的孪生支持向量机分类方法与迭代速度快、收敛速度快的的K均值聚类方法结合,可以在基本不改变分类精度的前提下,大幅度缩减孪生支持向量机分类的样本数量,从而降低分类时计算的复杂度,缩短计算时间,最终缩短整个分类过程所需要时间,提高分类效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王立国	哈尔滨工程大学信息与通信工程学院	116	829	15.0	23.0
2	杜心平	哈尔滨工程大学信息与通信工程学院	1	9	1.0	1.0