基于克隆选择支持向量机高光谱遥感影像分类技术 | |
刘庆杰 ; 荆林海 ; 王梦飞 ; 蔺启忠 | |
刊名 | 光谱学与光谱分析 |
2013 | |
页码 | 746-751 |
关键词 | 高光谱 支持向量机 核参数选择 克隆选择 网格搜索 分类 |
中文摘要 | 作为支持向量机(support vector machine,SVM)高光谱影像分类的一个重要环节,参数设置的效率和精度直接影响到SVM模型训练效率和最终分类精度。本文首先建立一个SVM高光谱影像分类器,提出了利用免疫克隆选择算法优化的交叉验证进行核函数参数和惩罚因子C的优化选择的方法,得到了一种基于克隆选择优化的支持向量机(clonal selection SVM,CSSVM)高光谱影像分类器。然后将CSSVM与传统的基于网格搜索交叉验证的支持向量机(gird search SVM,GSSVM)分类器进行了对比评价,评价指标包括模型训练时间和分类精度等。最后基于AVIRIS高光谱遥感影像进行了两算法分类对比试验,结果表明:提出的CSSVM测试样本总分类精度超过85.1%和Kappa系数超过0.821 3,影像总分类精度超过81.58%和Kappa系数超过0.772 8,CSSVM与GSSVM的分类精度差别在0.08%以内,Kappa系数差别在0.001以内;CSSVM的模型训练时间是GSSVM的1/6至1/10,得到显著缩短;CSSVM方法在保持传统GSSVM优良分类精度的基础上,极大提高了模型的训练效率。 |
收录类别 | CNKI |
公开日期 | 2015-01-04 |
内容类型 | 期刊论文 |
源URL | [http://ir.ceode.ac.cn/handle/183411/33334] |
专题 | 遥感与数字地球研究所_中文期刊论文_期刊论文 |
推荐引用方式 GB/T 7714 | 刘庆杰,荆林海,王梦飞,等. 基于克隆选择支持向量机高光谱遥感影像分类技术[J]. 光谱学与光谱分析,2013:746-751. |
APA | 刘庆杰,荆林海,王梦飞,&蔺启忠.(2013).基于克隆选择支持向量机高光谱遥感影像分类技术.光谱学与光谱分析,746-751. |
MLA | 刘庆杰,et al."基于克隆选择支持向量机高光谱遥感影像分类技术".光谱学与光谱分析 (2013):746-751. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论