基于蒙特卡罗特征降维算法的小样本高光谱图像.pdfVIP

第32卷第1期 红外与毫米波学报 V01．32，No．1 2013年2月 Millim．Waves February．2013 J．Infrared 文章编号：1001—9014(2013)01一0062—06 基于蒙特卡罗特征降维算法的小样本 ___I- tj 同光谱图像分类 Youn2 赵春晖1，齐滨h，Eunseog (1．哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨150001； 2．德州理工大学，计算机科学系，拉伯克德克萨斯州79409) 摘要：高光谱图像分类是高光谱数据分析的重要研究内容．相关向量机由于不受梅西定理的限制、不需要设置惩罚 因子等优势受到广泛关注．由于高光谱数据具有较高的维数，当训练样本较少时，高光谱数据的分类精度受到严重 的影响．通常解决这种现象的办法是对原数据进行特征降维处理，然而多数基于filter模型的特征选择算法无法直 接给出最优特征选择个数．为此提出利用蒙特卡罗随机实验可以对特征参量进行统计估计的特性，计算高光谱图 像的最优降维特征数，并与相关向量机结合，对降维后的数据进行分类．实验结果表明了使用蒙特卡罗算法求解降 维波段数的可靠性．相比较原始末降维数据，降维后的高光谱图像分类精度有较大幅度的提高． 关键词：高光谱图像处理；蒙特卡罗特征降维算法；相关向量机；最优降维波段数 中图分类号：TP751．1文献标识码：A classificationbasedon Hyperspectralimage MonteCarlofeaturereductionmethod ZHAOChun．HuiBin Youn2 1，QIh，Eunseog ofInformationandCommunication 150001，China； (1．College Engineering，HarbinEngineeringUniversity，Harbin of Tech TX Science，Texas 79409，USA) 2．DepartmentComputer University，Lubbock classificationisan researchof data Abstract：Hyperspectralimage important aspecthyperspectralanalysis．Relevance vector utilizedsinceitiSnotrestrictedtoMercerconditionanddoesnothavetosetthe machine(RVM)iSwidely penal— factor．DuetOthe dimensionof classificationis affectedwh