湖南省教育厅科研基金(09C1001)
- 作品数:2 被引量:12H指数:2
- 相关作者:臧卓林辉莫登奎孙华杨敏华更多>>
- 相关机构:中南大学中南林业科技大学更多>>
- 发文基金:湖南省教育厅科研基金国家教育部博士点基金国家自然科学基金更多>>
- 相关领域:农业科学天文地球更多>>
- 基于PSO-SVM的高光谱数据降维的可靠性研究被引量:2
- 2011年
- PSO结合SVM算法对高光谱数据波段进行优化,每次搜索结果不一定相同,因此很多学者对此类算法的可靠性存在疑问。为了证明PSO-SVM降维算法的可靠性,利用PSO-SVM算法对杉木和马尾松的幼中成熟林的高光谱原始数据、一阶微分变换数据、对数变换数据及归一化变换数据进行降维运算,对降维后选择的波段分别利用支持向量机(SVM)、BP神经网络、Mahalanobis距离分类法、Fisher分类法及贝叶斯分类法进行分类,分类结果中,Fisher分类法的结果最好,所有的分类结果均在90%以上,SVM和BP神经网络的分类结果都保持在80%以上,贝叶斯分类法分类精度最差,所有分类结果均未超过90%,最差结果为43.75%。同时,将PSO-SVM与PCA算法进行对比分析,发现在马尾松和杉木的分类过程中PSO-SVM算法优于PCA算法。最后得出结论,PSO-SVM算法提取的特征对Fisher、SVM及BP神经网络分类法有效;当光谱数据差异非常微小时,PSO-SVM比PCA对特征的提取更有效。
- 臧卓林辉杨敏华
- 关键词:降维
- 南方主要针叶树种高光谱数据降维分类研究被引量:11
- 2010年
- 采用ASD公司生产的FieldSpec HandHeldTM地物光谱仪,分别于2005、2006、2008年冬季跟踪观测杉木、马尾松、黑松、雪松等针叶树种的高光谱数据,经筛选后获取有效观测数据160条,其中120条作为训练集,40条作为测试集。将平滑去噪的一阶微分高光谱数据进行PCA方法和GA方法降维,然后利用BP神经网络和支持向量机(SVM)对降维后的测试集数据进行分类。结果表明:PCA—BP神经网络模型分类准确率95%,PCA—SVM分类准确率97.5%,GA和BP分类准确率92.5%,GA-SVM分类准确率100%。这说明两种降维方式结合支持向量机的分类均优于其与BP神经网络结合的分类,基于GA的降维方法对高光谱波段的选择更有效率,具有较好的应用前景。
- 臧卓林辉孙华莫登奎王四喜
- 关键词:高光谱遥感主成分分析遗传算法支持向量机针叶树种