基于BKNNSVM算法的高分辨率遥感图像分类研究.pdf

第 35卷第 1期 中南民族大学学报(自然科学版) Vo1．35No．1 2016年 3月 JournalofSouth—CentralUniversityforNationalities(Nat．Sci．Edition) Mal．2016 TheClassification 0ftheHigh ResolutionRemote SensingImageswithBKNNSVM ShuZhenyu ．ZhouCheng 。WangDianhong (1CollegeofElectronicsandInformation．South．CentralUniversityforNationalities，Wuhan430074，China； 2InstituteofGeoscienceGeomatics．ChinaUniversityofGeosciences．Wuhan430074，China) Abstract Inordertosolvethedeficiencyaboutthealgorithm ofthelocalsupportvectormachine (KNNSVM)whichis verytime—consumingonclassifyingthehighresolutionremotesensingimageswithmassdataandimprovetheperfomr anceof theKNNSVM ，theBKNNSVM algorithm basedonuncertaintyisproposed．Thealgorithm appliesthebinomialdistribution ofconjugatepriorBetadistributiontoestimateprobabilitybelongtotheclassornegativeofeachunlabeledsamplethrough itsnearestneighbordistribution．Then，withthreshold，someunlbaeledsamplesareclassifiedbytheKNN whentheir uncertaintyvalueislessthanthresholdand0mersareclassifiedbythelocalSVM whentheiruncertaintyvalueismorethan threshold．Theexperimentsontheactualhi．ghresolutionremotesensingimageshaveshownthatBNNSVM candecreasethe timeconsumingeffectivelyandkeeptheprecisionoftheoriginal KNNSVM withsuitbalethresholdofuncertainty． Keywords highresolutionremotesensingimages；KNNSVM ；BKNNSVM 中图分类号 TP39 文献标识码 A 文章编号 1672-4321(2016)ol-0095-08 基于BKNNSVM算法的高分辨率遥感图像分类研究 舒振宇 ，周 城 ，王典洪 (1中南民族大学 电信学院，武汉430074；2中国地质大学 地球物理与空间信息学院，武汉430074) 摘 要 为了解决局部支持向量机算法 KNNSVM存在的分类时间过长不利于具有海量数据量的高分辨率遥感图像分类的不 足，提高KNNSVM的算法表现，提出了改进的基于不确定性的BKNNSVM算法．该算法利用二项式分布的共轭先验分布Beta 分布根据近邻的分布情况推导该未标记样本属于正类或负类的概率大小，从而计算每一个未标记样本在类属性上的不确定 性大小．再通过设置不确定性阈值的大小，对不确定性低于阈值的未标记样本直接采用 KNN进行分类，而对高于阈值的样本 利用其近邻建立局部支持向量机分