改进后RVM高光谱图像分类研究

发布时间：2024-12-24 22:50

　　 在RVM高光谱图像分类算法中,主要应用的方法为贝叶斯概率模型基础上开发设计而成的监督机器学习算法。这一算法当前得到了相关行业的有效认可,且实现了广泛的应用。主要原因是由于该算法在应用过程中具有较高的进度,且运算的时间相对较短,运算的质量比较平稳。但是,这一算法在实际应用和训练的过程中,在训练样本不断增加的基础上,图像分类的效率会不断的降低。因此,相关研究学者对其进行了相应的改进,进而实现了改进后的RVM高光谱图像分析算法。在改进的过程中,基于以往的概率模型对其进行了全新的设计与开发,使得计算的复杂度得到了有效的提升,且促进了积分运算的效率,完成了对积分运算的拆分形式应用和对数形式应用。经研究证明,在经过改进后的RVM高光谱图像分类算法中,其运算的进度和效率得到了全面的提升,在训练实践上,即便训练样本不断增加,其图像分类的效率也不会降低。

【文章页数】：2 页

【文章目录】：
1 引言
2 RVM的改进模型构建
3 改进后RVM高光谱图像分类效果
    3.1 分类精度
    3.2 分类效率



本文编号：4020044