基于稀疏MK-LSSVM的高光谱图像不平衡分类

发布时间：2017-08-09 11:26

  本文关键词：基于稀疏MK-LSSVM的高光谱图像不平衡分类

  更多相关文章： 高光谱图像 不平衡分类 稀疏MK-LSSVM 压缩感知

【摘要】：针对高光谱图像分类中没有考虑高光谱数据地物种类复杂、数据规模较大以及样本分布不规则而导致的少数类分类精度较低,分类器鲁棒性差的问题,提出一种基于稀疏多核最小二乘支持向量机(Multiple Kernel Least Squares Support Vector Machine,MK-LSSVM)的高光谱图像不平衡分类方法。该方法先用k均值聚类将多数类的训练样本分为k类,然后利用采样技术对每一群组中的样本进行处理与少数类样本均衡,最后建立最MK-LSSVM分类器。该方法对于MK-LSSVM不稀疏的问题,引入了压缩感知理论对其进行稀疏求解。实验表明本文提出的分类方法提高了少数地物的分类精度,同时减少了标准支持向量机训练样本时间消耗大的问题。
【作者单位】： 重庆邮电大学;重庆市勘测院;
【关键词】： 高光谱图像 不平衡分类 稀疏MK-LSSVM 压缩感知
【基金】：重庆市博士后科研项目(Rc201336)
【分类号】：P237
【正文快照】： (1.重庆邮电大学,重庆400065;2.重庆市勘测院,重庆400020)1引言高光谱图像(Hyperspectral Image,HSI)数据有着丰富的光谱信息,可以对地物进行精细的光谱分类,所以近年来被应用在军事勘察、矿业勘测、医学检测等多个领域[1]。由于传统的高光谱图像分类方法没有考虑不平衡分类问

【相似文献】

中国期刊全文数据库 前10条

1 王立国;孙杰;肖倩;;结合空-谱信息的高光谱图像分类方法[J];黑龙江大学自然科学学报;2010年06期

2 耿修瑞,张霞,陈正超,张兵,郑兰芬,童庆禧;一种基于空间连续性的高光谱图像分类方法[J];红外与毫米波学报;2004年04期

3 谷延锋;刘颖;贾友华;张晔;;基于光谱解译的高光谱图像奇异检测算法[J];红外与毫米波学报;2006年06期

4 李杰;赵春晖;梅锋;;利用背景残差数据检测高光谱图像异常[J];红外与毫米波学报;2010年02期

5 陈雷;张晓林;刘荣科;雷志东;;光谱去相关技术在高光谱图像小波压缩中的应用[J];光谱学与光谱分析;2010年06期

6 孙林;鲍金河;;基于主成分抑制的高光谱图像异常目标检测方法[J];测绘科学;2012年01期

7 赵春晖;齐滨;张q，

本文编号：645068