基于Boosting的高光谱遥感切空间协同表示集成学习方法

发布时间：2021-03-15 15:33

　　近年来,协同表示分类（Collaborative Representation Classification,CRC）算法成为高光谱遥感影像分类的研究热点,尤其是切空间协同表示分类（Tangent Space Collaborative Representation,TCRC）利用切平面估计测试样本的局部流形,其分类精度得到了显著提高。为进一步提升高光谱遥感影像分类的准确性和可靠性,提出了基于Boosting的高光谱遥感影像切空间协同表示分类算法（Boosting-based Tangent Space Collaborative Representation Classification,Boost TCRC）。Boost TCRC算法采用TCRC算法作为基分类器,通过Boosting原理自适应地调整训练样本的权重,增大错分样本的权重从而使得分类器专注于较难分类的训练样本,然后在基于残差域融合时根据基分类器的分类表现赋予其权重,最终采用最小重构误差的原则对测试样本进行分类。实验采用HyMap（Hyperspectral Mapper）和AVIRIS（Airbone Visible I... 

【文章来源】：遥感技术与应用. 2020,35(03)北大核心

【文章页数】：11 页

【部分图文】：

Purdue Campus数据集

Purdue Campus数据集6种分类算法的分类效果图

Indian Pines数据集


本文编号：3084409