基于相关向量机的机械LiDAR点云数据分类

发布时间：2019-09-13 06:01

【摘要】：针对支持向量机应用于机载LiDAR点云数据分类时存在的模型稀疏性弱、预测结果缺乏概率意义、核函数必须满足Mercer定理等缺点,提出了一种基于相关向量机的LiDAR点云数据分类算法。在分析稀疏贝叶斯分类模型及参数推断、预测基础上,利用拉普拉斯方法将相关向量机分类问题转化为回归问题,通过最大化边缘似然函数估计超参数,选择序列稀疏贝叶斯学习方法提高训练速度,构造一对余、一对一分类器实现点云数据多元分类研究。选择Niagara地区及非洲某地区的LiDAR点云数据进行实验,实验结果验证了基于相关向量机的点云分类方法的优势。
【作者单位】： 信息工程大学地理空间信息学院;
【基金】：国家自然科学基金(41371436)
【分类号】：P237
，

本文编号：2535628