Stacking Learning在高光谱图像分类中的应用

• 作者: 崔颖 徐凯
• 来源期刊: 应用科技
• 学科: 工学
• 关键词: 高光谱图像 多分类系统 StackingLearning 集成学习 交叉验证 图像分类 特征变换 K-Fold
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 现代电子技术
• 页码范围: 42-46,52
• 页数: 6页
• 分类号: TP75
• 字数: 3574字
• 语种: 中文
• DOI: 10.11991/yykj.201712011

摘要

高光谱图像分类研究中,集成学习能够显著地提高分类效果.但是传统的并行多分类系统对基础分类器有较高要求,即要求差异性及分类均衡.为了解决这一问题,采用Stacking Learning的堆栈式学习方式,首先使用K-Fold和交叉验证的方式进行数据分割和训练,将原始特征进行特征变换,重新构建二级特征.再使用新特征进行对Meta分类器进行训练得到判决分类器,用于样本的最后分类判断.实验结果表明,采用的Stacking Learning方法不依赖基础分类器,且相比较于传统的多分类系统具有更高的精度和良好的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐凯	哈尔滨工程大学信息与通信工程学院	8	29	3.0	5.0
2	崔颖	哈尔滨工程大学信息与通信工程学院	40	415	12.0	20.0