基于PCA和极限学习机的高光谱遥感分类研究

• 作者: 吴孔江 李静
• 来源期刊: 北京测绘
• 学科: 地球科学
• 关键词: 高光谱 分类 极限学习机 主成分分析 遥感
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 学术探讨
• 页码范围: 794-799
• 页数: 6页
• 分类号: P237
• 字数: 2620字
• 语种: 中文
• DOI: 10.19580/j.cnki.1007-3000.2018.07.009

摘要

针对高光谱遥感分类研究中面临的数据处理效率低、分类结果精度不高等难题,本文在引入极限学习机(ELM)算法的基础上,顾及其在噪声影响下出现稳健性降低的现象,进一步将主成分分析(PCA)应用于ELM的前端,从而构建了一种基于PCA和ELM的联合算法.将该算法与目前常用的神经网络和支持向量机进行对比分析发现:PCA-ELM分类结果的精度最高,其数据处理效率也较高,该算法具有较强的稳健性和泛化能力,适用于高光谱遥感信息的高效提取.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李静		7	11	2.0	3.0
2	吴孔江		7	7	1.0	2.0