基于支持向量机和逻辑回归的半监督空谱加权的高光谱图像分类（英文）

论文摘要

近年来,高光谱图像分类得到了广泛的研究,面临的挑战是训练样本数量有限,误分类率较高。针对这些问题,提出了一种基于支持向量机和逻辑回归(SVMSLR)框架的半监督光谱空间加权高光谱图像分类方法。该框架是最近发展起来的一种技术,它将空间上下文描述为逻辑回归,通常与支持向量分类器一起使用,以提供概率输出。将支持向量机(SVMs)的SVMSLR概念推广到遥感图像分类中,为此,使用当前像素的K个最近邻空间特征提供概率输出。同样,经过初始分类,可以得到了标签的未标记样本,其中最近邻样本的高一致性水平是可靠的。再次考虑中心和最近邻像素的光谱相似性,提高了算法的性能。实际数据集实验表明,该方法具有较高的分类精度。

论文目录

• 1 Introdution
• 2 Basic model
•   2.1 LR and SVM model
•   2.2 SVMSLR model
• 3 SWSVMSLR method
• 4 Experimental results and analysis
•   4.1 Datasets
•   4.2 Experimental details
•   4.3 Performance analysis
• 5 Conclusion

文章来源

类型: 期刊论文

作者: 赵春晖,高冰,赵晨

关键词: 高光谱分类,半监督,近邻,支持向量机逻辑回归

来源: 黑龙江大学工程学报 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,自动化技术

单位: 哈尔滨工程大学信息与通信工程学院,哈尔滨工程大学水声工程学院

基金: 国家自然科学基金资助项目(61405041,61571145)

分类号: TP181;TP751

DOI: 10.13524/j.2095-008x.2019.04.056

页码: 64-72

总页数: 9

文件大小: 562K

下载量: 150