特征贡献度与PCA结合的遥感影像分类特征选择优化方法研究

• 作者: 冯志贤 孙俊娇 张英 桑会勇 王萍
• 来源期刊: 测绘与空间地理信息
• 学科: 地球科学
• 关键词: 贡献度 主成分分析 特征选择 遥感影像分类
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 基金项目专栏
• 页码范围: 49-54
• 页数: 6页
• 分类号: P237
• 字数: 3846字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-5867.2018.01.014

摘要

面向对象遥感影像分类过程中,特征选择是保证分类精度和提高分类速度的关键因素.本文针对高分影像特征过多造成维度灾难、无法取舍有效特征导致低分类精度等问题,提出了一种基于特征贡献度与主成分分析(PCA)结合的特征选择优化方法,定量分析并提取影像特征.本文首先利用特征贡献度进行特征选择,提取有效特征;然后进行PCA变换消除特征间相互影响,降低维度,将提取的143个影像分类特征经选择与变换至20个主成分特征,最终优化的特征在神经网络(ANN)、K最近邻法(KNN)和支持向量机(SVM)三种分类实验结果中的总精度分别提高了10.56％、7.78％和6.11％,实现了较好的分类效果,说明优化的特征选择方法不仅大大降低了特征维度,减少了后端分类计算量,同时有效提高了分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王萍	山东科技大学测绘科学与工程学院	54	560	11.0	22.0
2	桑会勇		16	108	6.0	10.0
3	张英		10	61	4.0	7.0
4	冯志贤	兰州交通大学测绘与地理信息学院	2	16	2.0	2.0
6	孙俊娇	山东科技大学测绘科学与工程学院	2	10	2.0	2.0