基于GANBPSO-SVM的高光谱影像特征选择方法

• 作者: 姚娆 谢福鼎
• 来源期刊: 地理科学
• 学科: 地球科学
• 关键词: 高光谱影像 特征选择 粒子群优化 支持向量机
• 年，卷（期）: 2018,（6）
• 页码范围: 972-978
• 页数: 7页
• 分类号: P237
• 语种: 中文

摘要

为了在保持对目标检测和分类分析所需信息的同时,降低高光谱影像的维度,提出了一种混合优化策略的特征选择方法.该方法将遗传算法和二进制粒子群优化算法融合成一种新的混合优化策略(GANBPSO),自动选择最优波段组合,同时优化分类器支持向量机(RBF-SVM)的参数,以提高分类器的分类性能.为了说明所提出方法的有效性,采用了在高光谱分类中广泛使用的Indian Pines(AVIRIS 92AV3C)数据集进行测试.结果表明所提出方法(GANBPSO-SVM)能够自动选择包含最多信息的特征子集以保证分类精度,而不需要预先设置所需要的特征子集数量,本方法与传统方法相比具有更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢福鼎		54	419	12.0	17.0
2	姚娆		2	1	1.0	1.0