基于多标签共享子空间学习和内核脊回归的空谱分类算法

发布时间：2022-09-27 20:09

　　针对高光谱图像维度高、地物间非线性可分造成的分类精度低等问题,提出一种基于多标签共享子空间和内核脊回归的空谱分类算法.该算法利用内核脊回归将地物相近像素在线性空间的不可分特征映射到高维空间中,实现分类特性在高维空间下的有效分离,以提高地物相近特性的区分精度;同时将高维样本数据映射到低维共享子空间中,在低维环境下以多类标为指导,引入低秩矩阵建立类别标签与共享空间的预测关系,挖掘多标签间的共同特性,提高融合利用多类别间的共同属性提高高光谱图像的分类精度;最后利用奇异值分解迭代法求解目标函数,一定程度上加速参数求解.在Indian Pines和Pavia University两组高光谱数据集上进行仿真实验,实验结果表明,与其他同类算法相比,在低样本比例下,本文算法在总体分类精度、平均分类精度和Kappa系数等评价指标上至少提高4.76%、4.24%和5.19%,与非内核化的算法相比,本文算法在基本不增加运行时间的情况下总体分类精度、平均分类精度和Kappa系数至少提高2.92%、2.8%和3.48%. 

【文章页数】：13 页

【文章目录】：
0 引言
1 内核脊回归
2 多标签共享子空间学习
3 仿真实验与结果分析
    3.1 参数确定
    3.2 算法有效性
    3.3 算法适用性
4 结论


【参考文献】：
期刊论文
[1]多核融合多尺度特征的高光谱影像地物分类[J]. 王庆超,付光远,汪洪桥,王超.  光学精密工程. 2018(04)
[2]变异系数降维的CNN高光谱遥感图像分类[J]. 张康,黑保琴,周壮,李盛阳.  遥感学报. 2018(01)
[3]基于随机奇异值分解的快速矩阵补全算法及其应用[J]. 冯栩,李可欣,喻文健,黎耀航.  计算机辅助设计与图形学学报. 2017(12)
[4]基于边缘保持滤波的高光谱影像光谱-空间联合分类[J]. 张成坤,韩敏.  自动化学报. 2018(02)
[5]基于异构网络面向多标签系统的推荐模型研究[J]. 王瑜,武延军,吴敬征,刘晓燕.  软件学报. 2017(10)
[6]改进的LLGC高光谱图像半监督分类[J]. 盛振国,王立国.  哈尔滨工程大学学报. 2017(07)
[7]综合聚类和上下文特征的高光谱影像分类[J]. 鲍蕊,薛朝辉,张像源,苏红军,杜培军.  武汉大学学报(信息科学版). 2017(07)
[8]基于邻域分割的空谱联合稀疏表示高光谱图像分类技术研究[J]. 王彩玲,王洪伟,胡炳樑,温佳,徐君,李湘眷.  光谱学与光谱分析. 2016(09)
[9]谐波能量谱特征向量的高光谱影像Bayes分类[J]. 杨可明,刘二雄,卓伟,张婉婉,刘聪.  计算机应用研究. 2017(05)
[10]优化子空间SVM集成的高光谱图像分类[J]. 杨凯歌,冯学智,肖鹏峰,朱榴骏.  遥感学报. 2016(03)



本文编号：3681541