基于PCA与t-SNE特征降维的城市植被SVM识别方法

论文摘要

以高光谱图像降维为研究问题,针对主成分分析法（PCA）投影结果混叠、线性不可分和t-分布式随机邻域嵌入算法（t-SNE）内存占用大、运行时间长等不足,提出了一种基于PCA与t-SNE结合的高光谱图像降维方法。设计了基于SVM的城市植被识别模型,有效地提高了运行速率,进而更好地提取高光谱图像的本质特征,提高了高光谱图像中城市植被的分类精度。实验选取肯尼迪航天中心（KSC）数据为对象,结果表明,PCA-t-SNE-SVM算法总体分类精度可达92.06%,Kappa系数为0.91时,分类效果最优,相较于PCA-SVM和t-SNE-SVM算法,总体分类精度分别提高了13.51%和3.33%,Kappa系数分别提高了0.15和0.04,均表现出良好的性能。

论文目录

• 0 引 言
• 1 研究方法
•   1.1 基于PCA的高光谱图像降维
•   1.2 基于t-SNE的高光谱图像降维
•   1.3 SVM
•   1.4 基于PCA-t-SNE-SVM的城市植被识别方法
• 2 实验结果和分析
•   2.1 实验数据
•   2.2 实验结果分析
•     （1） 高光谱图像特征提取。
•     （2） 高光谱图像分类。
•     （3） 结果分析。
• 3 结 语

文章来源

类型: 期刊论文

作者: 于慧伶,霍镜宇,张怡卓,蒋毅

关键词: 高光谱图像分类,城市植被分类,主成分分析法,分布式随机邻域嵌入算法,支持向量机

来源: 实验室研究与探索 2019年12期

年度: 2019

分类: 基础科学,信息科技

专业: 生物学,计算机软件及计算机应用

单位: 东北林业大学信息与计算机工程学院,东北林业大学机电工程学院,黑龙江省计算中心

基金: 中央高校基本科研业务费项目(2572017CB34),林业公益性行业科研专项(201504307)

分类号: Q948;TP391.41

页码: 135-140

总页数: 6

文件大小: 2208K

下载量: 387