基于判别信息的复合核极限学习机算法

• 作者: 马斯宇 刘德山 闫德勤 丁一民
• 来源期刊: 软件工程
• 关键词: 极限学习机 高光谱图像分类 线性判别分析 特征学习
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 方法与技术|Method & Technology
• 页码范围: 32-37
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19644/j.cnki.issn2096-1472.2021.09.008

摘要

高光谱图像包含光谱和空间信息,这增加了其在分类与识别方面的难度.特征学习作为高光谱图像分类技术之一,能较好地提取图像中包含的特征.针对经典极限学习机算法难以较好地提取光谱特征,引入特征学习技术,提出了一种基于判别信息的复合核极限学习机(CKELM-L)方法.CKELM-L通过最大化类间矩阵与最小化类内矩阵,使投影后的低维数据同类越近而异类越远.实验结果表明,所提方法保留了更好的光谱特征,计算复杂度低且实现了出色的可分离性.