基于Direct LDA的相关向量机遥感图像分类

• 作者: 李斌 李星 程丹
• 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
• 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

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％.

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