您的位置: 专家智库 > >

中国博士后科学基金(20100480750)

作品数:2 被引量:11H指数:2
相关作者:董超田联房赵慧洁更多>>
相关机构:华南理工大学北京航空航天大学更多>>
发文基金:中国博士后科学基金中央高校基本科研业务费专项资金国家高技术研究发展计划更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇向量
  • 2篇向量机
  • 2篇关联向量机
  • 1篇遗传算法
  • 1篇影像分类
  • 1篇图像
  • 1篇光谱图像
  • 1篇高光谱图像

机构

  • 2篇华南理工大学
  • 1篇北京航空航天...

作者

  • 2篇田联房
  • 2篇董超
  • 1篇赵慧洁

传媒

  • 1篇光学精密工程
  • 1篇上海交通大学...

年份

  • 1篇2012
  • 1篇2011
2 条 记 录,以下是 1-2
排序方式:
遗传关联向量机高光谱影像分类被引量:6
2011年
基于高光谱影像临近波段相关性高,直接在高维空间分类并非最优,并且使用交叉验证进行分类器参数寻优过程繁琐,提出了遗传关联向量机(GA-RVM)高光谱影像分类算法,使用遗传算法搜索面向关联向量机(RVM)的最优参数和特征子空间,消除冗余信息,简化参数优化过程.实验环节验证了GA-RVM算法的有效性,剔除约50%冗余波段后,总体分类精度提高3%,对难分地物改进尤为明显,其中混分最严重的2种大豆精度提高了8%.
董超田联房赵慧洁
关键词:关联向量机遗传算法
最速上升关联向量机高光谱影像分类被引量:6
2012年
针对高光谱影像近邻波段高度相关,直接在高维空间分类并非最优的问题,提出了基于最速上升和关联向量机(SA-RVM)的高光谱影像分类算法。使用最速上升(SA)算法搜索最优特征子空间,剔除冗余特征;然后,在特征子空间中训练RVM并分类。对4套测试数据进行的实验表明,SA选择的特征子空间中,RVM分类精度提高了2.5%以上,与支持向量机(SVM)相当。对训练样本较少的2套数据,精度提高了5.63%和6.2%。此外,SA-RVM的解稀疏,预测未知样本类别属性所需时间短。总体来看,SA-RVM精度高、判别速度快,适合处理大场景高光谱影像。
董超田联房
关键词:高光谱图像影像分类关联向量机
共1页<1>
聚类工具0