基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
相关向量机是一种新型的基于贝叶斯统计学习框架的有监督机器学习算法,但是存在对高光谱数据分类精度不高的问题.针对此问题,文中提出了一种改进的算法,该算法将直接线性判别分析法与相关向量机相结合,对高光谱数据进行特征提取,然后采用相关向量机进行遥感图像分类.文中实验数据采用1992年Indian Pines高光谱数据.实验结果显示,与采用相关向量机直接分类,线性判别分析法(LDA)与相关向量机结合的两种方法的分类结果相比,文中算法能够明显降低数据维度,总体分类精度也提升了约1%.
推荐文章
基于支持向量机的路面图像分类方法
路面分类
颜色特征
纹理特征
模糊支持向量机
基于蚁群算法的多光谱遥感图像分类
多光谱遥感图像
分类
光谱特征
形状特征
蚁群算法
支持向量机分类器
基于支持向量机的滑坡灾害信息遥感图像提取研究
支持向量机
遥感图像
滑坡
提取
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Direct LDA的相关向量机遥感图像分类
来源期刊 信息技术 学科 工学
关键词 相关向量机 高光谱遥感图象分类 降维 直接线性判别分析
年,卷(期) 2017,(4) 所属期刊栏目 基金项目
研究方向 页码范围 17-20
页数 4页 分类号 TP391
字数 3234字 语种 中文
DOI 10.13274/j.cnki.hdzj.2017.04.005
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李斌 北方民族大学计算机科学与工程学院 5 4 1.0 1.0
2 程丹 北方民族大学计算机科学与工程学院 1 2 1.0 1.0
3 李星 北方民族大学计算机科学与工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (49)
共引文献  (80)
参考文献  (9)
节点文献
引证文献  (2)
同被引文献  (13)
二级引证文献  (0)
1968(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(9)
  • 参考文献(2)
  • 二级参考文献(7)
2011(13)
  • 参考文献(1)
  • 二级参考文献(12)
2012(3)
  • 参考文献(3)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
相关向量机
高光谱遥感图象分类
降维
直接线性判别分析
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息技术
月刊
1009-2552
23-1557/TN
大16开
哈尔滨市南岗区黄河路122号
14-36
1977
chi
出版文献量(篇)
11355
总下载数(次)
31
论文1v1指导