首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 171 毫秒

1.  决策树、朴素贝叶斯和朴素贝叶斯树的比较  
   王守选  叶柏龙  李伟健  谭一云《计算机系统应用》,2012年第21卷第12期
   利用数据挖掘工具Weka,在常态数据集adult上进行实验,从时间、正确率、误差率三个指标对比分析J48(C4.5决策树),朴素贝叶斯分类器,朴素贝叶斯树(NBTree)三种分类算法.结论为:在内存充足,时间要求不高的情况下,使用朴素贝叶斯树(NBTree)能获得更高的正确率和错误率;J48则是一种折中的方案;朴素贝叶斯分类器完成时间最短,但正确率和错误率为三种算法中最差.    

2.  基于贝叶斯树算法的高光谱遥感数据分类  
   张方  黄善志《计算机与数字工程》,2011年第39卷第2期
   文章针对高光谱波段数众多、信息冗余量大的特点,首先对高光谱曲线进行光谱特征参数提取,然后再选择合适的吸收峰波段作为输入向量,在VS2008平台上实现了采用贝叶斯树(NBTree)算法对铀矿床高光谱数据进行分类。    

3.  一种基于粗糙集的特征加权朴素贝叶斯分类器  
   王国才  张聪《重庆理工大学学报(自然科学版)》,2010年第7期
   朴素贝叶斯分类器是一种简单高效的分类算法,但其属性独立性假设影响了分类效果。通过放松朴素贝叶斯假设可以增强朴素贝叶斯的分类效果,但是通常会导致计算代价大幅提高。针对以上问题,提出了一种基于粗糙集的特征加权朴素贝叶斯算法,加权参数直接从训练数据中学习得到,可以看作是计算某个后验概率时,某个特征对于该类别的影响程度。将该分类算法与朴素贝叶斯分类器(na ve bayesian classifier,NB)、贝叶斯网(bayes networks)和NBTree分类器进行实验比较。结果表明:在大多数数据集上,FWNB分类器在较小的计算代价下,具有较高的分类正确率。    

4.  基于高斯混合模型的遥感影像连续型朴素贝叶斯网络分类器  被引次数:1
   陶建斌  舒宁  沈照庆《遥感信息》,2010年第2期
   提出了一种新的嵌入高斯混合模型(GMM,Gaussian Mixture Model)遥感影像朴素贝叶斯网络模型GMM NBC(GMM based Nave Bayesian Classifier)。针对连续型朴素贝叶斯网络分类器中假设地物服从单一高斯分布的缺点,该方法将地物在特征空间的分布用高斯混合模型来模拟,用改进EM算法自动获取高斯混合模型的参数;高斯混合模型整体作为一个子节点嵌入朴素贝叶斯网络中,将其输出作为节点(特征)的中间类后验概率,在朴素贝叶斯网络的框架下进行融合获得最终的类后验概率。对多光谱和高光谱数据的分类实验结果表明,该方法较传统贝叶斯分类器分类效果要好,且有较强的鲁棒性。    

5.  基于改进萤火虫算法的高光谱遥感多特征优化方法  
   刘慧珺  苏红军  赵波《遥感技术与应用》,2018年第1期
   目前,高光谱遥感影像分类时光谱信息使用较多,难以充分挖掘空间信息。针对该问题,提出一种基于改进萤火虫算法(Firefly Algorithm,FA)的高光谱遥感多特征优化方法。首先提取高光谱遥感影像的4种空间特征:局部统计特征、灰度共生矩阵特征、Gabor特征和形态学特征,并与波段选择的部分光谱波段组合,构建多特征集合;然后利用萤火虫算法对提取的多特征集合进行优化和特征选择,针对萤火虫算法收敛速度较慢问题,借鉴粒子群优化算法,引入随机惯性权重改进了萤火虫算法的位置更新公式;目标函数采用JM距离(Jeffreys-Matusita Distance)和Fisher Ratio。利用两组城市高光谱遥感数据进行了土地覆被分类研究,并将仅利用原始光谱信息进行波段选择的分类结果与利用多特征信息的分类结果进行了对比分析。实验表明:随机惯性权重可以提高FA特征选择的速度,且优化后的光谱与空间信息特征有助于提高城市土地覆被分类的精度,两组实验数据的特征优选结果统计均表明空间特征中的形态学特征被选择次数最多,局部统计特征和形态学特征相对于GLCM特征和Gabor特征更有助于高光谱遥感图像的分类。    

6.  基于特征加权的朴素贝叶斯分类器  被引次数:12
   程克非  张聪《计算机仿真》,2006年第23卷第10期
   朴素贝叶斯分类器是一种广泛使用的分类算法,其计算效率和分类效果均十分理想。但是,由于其基础假设“朴素贝叶斯假设”与现实存在一定的差异,因此在某些数据上可能导致较差的分类结果。现在存在多种方法试图通过放松朴素贝叶斯假设来增强贝叶斯分类器的分类效果,但是通常会导致计算代价大幅提高。该文利用特征加权技术来增强朴素贝叶斯分类器。特征加权参数直接从数据导出,可以看作是计算某个类别的后验概率时,某个属性对于该计算的影响程度。数值实验表明,特征加权朴素贝叶斯分类器(FWNB)的效果与其他的一些常用分类算法,例如树扩展朴素贝叶斯(TAN)和朴素贝叶斯树(NBTree)等的分类效果相当,其平均错误率都在17%左右;在计算速度上,FWNB接近于NB,比TAN和NBTree快至少一个数量级。    

7.  BP-ANN在荒漠草地高光谱分类研究中的应用  
   钱育蓉  贾振红  于炯  杨峰  段文亮《计算机工程与应用》,2011年第47卷第12期
   利用高分辨率光谱仪在实地测得的光谱数据来识别新疆阜康地区的7种典型荒漠草种,对原始高光谱数据作预处理(微分和平滑),选取典型荒漠植被的光谱特征(红边、绿峰、红谷、RVI等)作为输入数据,植被类型作为输出数据,构建基于BP神经网络模型的典型荒漠草地分类器,进行了三组基于高光谱特征的草地类型分类实验,结果表明:(1)红边特征较其余吸收特征更能获得精确的分类结果;(2)波段550~790nm间的窄波段光谱分类间隔中,20nm优于10nm的间隔;(3)草地分类器中BP网络模型的输入层、隐藏层神经元个数与BP网络训练时间、精度具有复杂的耦合关系,不可一概而论。    

8.  基于ETAFSVM的高光谱遥感图像自动波段选择和分类  被引次数:1
   戴宏亮  戴道清《计算机科学》,2009年第36卷第4期
   提出了一种新型的具有良好特性的支持向量机--全间隔自适应模糊支持向量机(TAFSVM),并提出一种新的遗传算法--智能遗传算法(IGA)来设计一个TAFSVM分类器,称为ETAFSVM,同时优化高光谱遥感图像自动波段选择和TAFSVM参数集,并且结合5-fold交叉验证来确定其泛化能力,最后将ETAFSVM应用于高光谱遥感图像数据.通过先进行自适应波段选择后再用径向基神经网络分类器、K-最近邻分类器和标准支持向量机等3种方法进行全部分类精度比较,以及与这3种方法直接进行类别分类精度和平均分类精度比较,其结果表明运用ETAFSVM不仅可以自动进行波段选择,而且分类精度较高,对Hughes现象敏感性较低,是进行高光谱遥感图像分类的一种有效方法.    

9.  一种新的高光谱遥感图像降维方法  被引次数:23
   刘春红  赵春晖  张凌雁《中国图象图形学报》,2005年第10卷第2期
   高光谱遥感图像的高数据维给图像进一步处理带来了困难,为了解决这一问题,提出了自适应波段选择(ABS)的降维方法。该方法充分考虑了高光谱图像的空间相关性和谱间相关性,通过计算各个波段的指数来选择信息量大并且与其他波段相关性小的波段。对各波段相应的指数重新排列之后,有两种方法来选择最终波段:一种是选择波段指数比设定指数大的波段,另一种方法是选择波段指数排在前n个的所有波段。为了验证ABS方法的有效性,对降维后的高光谱图像进行了贝叶斯监督分类,分类结果表明自适应波段选择的方法能够选择出信息丰富的波段,分类精度与使用原始波段相比提高10.4%,计算复杂度大大降低。    

10.  一种用于高光谱遥感影像分类的改进多类支持向量机  
   于宁锋  杨化超《遥感信息》,2007年第5期
   将支持向量机(SVM)用于高光谱遥感影像分类的研究,采用决策边界特征提取(DBFE)算法对高光谱影像进行维数约简,以径向基函数(RBF)作为SVM模型的核函数,把混沌优化搜索技术引入到PSO算法中,以基本PSO算法为主体流程,对种群中最好的粒子进行给定步数的混沌优化搜索,以改进基本PSO算法进化后期收敛速度慢、易陷入局部极小值的缺陷。利用改进的混合粒子群优化算法(PSO)来实现SVM模型参数的自动选择,继而构建了一种参数最优的粒子群优化支持向量机(PSO-SVM)多类分类模型。选用220波段的AVIRIS高光谱遥感影像进行了分类试验。结果表明,与采用基于留一法(LOO)网格搜索策略的传统SVM相比,改进后的PSO-SVM算法可以提高分类精度约8.8%。该方法对于小样本、非均衡条件下的遥感影像数据分类非常有效。    

11.  一种基于超光谱的血细胞分类方法*  
   戴春妮  李庆利  刘锦高《计算机应用研究》,2011年第28卷第11期
   对近红外—可见光范围内的超高光谱血液图像进行血细胞分类。不同于常见的血细胞识别方法,对血细胞的特征提取不但含有图像灰度特征,而且还包含了丰富的光谱特征,在分类方法上利用具有自适应能力的遗传算法和神经网络设计分类器进行血细胞的分类。实验结果表明,该法对背景点、红细胞和病变细胞核可取得比较好的识别结果。相对于10波段光谱和80波段高光谱而言,220波段的超光谱以增加运行时间为代价,取得了较好的分类结果。    

12.  基于类别可分性的高光谱图像波段选择  
   许明明  张良培  杜 博  张乐飞《计算机科学》,2015年第42卷第4期
   高光谱遥感数据具有丰富的光谱信息,应用十分广泛,但其冗余的光谱信息有时会限制高光谱图像的分类等的精度以及计算复杂度.为了提高解译效率,高光谱图像降维不可或缺,这也是高光谱图像处理的研究热点之一.提出了一种基于类别可分性的高光谱图像波段选择方法(Endmember Separability Based band Selection,ESBB),该方法通过Mahalanobis距离最大化图像中各类地物的可分性来确定最优的波段组合.相较于其他监督波段选择算法,该方法不需要大量训练样本,不用对每个组合做分类处理.对波段选择后的结果进行分类的实验结果证明,该方法是一个快速有效的波段选择方法,可以得到一个较好的分类精度.    

13.  遥感图像森林林型SVM分类的多特征选择  
   王修信  秦丽梅  罗玲  张晓朋  汤谷云《计算机工程与应用》,2013年第20期
   为了研究遥感图像森林林型SVM分类多特征的选择对提高分类精度的影响,选取小波变换不同尺度纹理、四种植被指数、最优波段光谱特征等不同组合构成林型分类多特征向量进行分类。结果表明,纹理与植被指数、最优波段组合多特征的森林林型分类精度最高,阔叶林、针叶林和竹林的分类精度分别为84.4%、86.5%、91.0%,比纹理单类特征分类分别提高4.1%、4.0%、1.1%,比植被指数单类特征分类分别提高9.2%、11.8%、11.9%。多特征的分类精度一般要高于单类特征,纹理能够较明显提高林型可分性,植被指数也有一定的效果,但最优波段光谱特征的效果较弱。    

14.  基于加窗光谱积分的高光谱遥感图像特征提取  
   邹强  冯静  王宇《微型机与应用》,2009年第28卷第15期
   提出了一种基于加窗光谱积分的高光谱遥感图像特征提取算法.该算法借用子波变换多分辨率分析的思想,设计了一组波段相互重叠的窗函数来提取光谱曲线特征,然后进行有监督RBF神经网络分类实验,在实验过程中确定了相关参数的取值范围.实验结果表明,加窗光谱积分特征可以有效地描述光谱曲线,获得了比较好的正确分类率.    

15.  基于分类非线性预测的高光谱图像无损压缩  
   粘永健  辛勤  万建伟《信号处理》,2009年第25卷第8期
   高光谱数据的有效压缩成为遥感技术发展中需要迫切解决的问题.提出了一种基于分类非线性预测的高光谱图像无损压缩算法.针对不同频谱波段间相关性不同的特点,根据相邻波段相关性大小进行波段分组.为提高谱间预测性能,对各组波段进行最优排序.采用自适应波段选择算法对高光谱图像进行降维,并利用k-means算法对降维后波段的谱向矢量进行分类.在参考波段和预测波段中选取具有相同空间位置的上下文结构,在分类结果的基础上,对当前波段进行谱间非线性预测.参考波段采用JPEG-LS标准进行压缩,预测残差进行Golomb-Rice编码.对AVIRIS型高光谱图像的实验结果表明,该算法可显著降低压缩后的平均比特率.    

16.  一种基于分类的融合算法  被引次数:3
   焦子锑  李小文  王锦地  阎广建《中国图象图形学报》,2002年第7卷第8期
   提出了一种基于分类的融合算法 ,可用于融合低分辨率多光谱影像和配准的高分辨率全色波段影像 .算法的主要步骤如下 :(1)将 1m高分辨率全色波段影像和 4 m低分辨率多光谱影像进行几何配准 ;(2 )采用监督或非监督分类算法对高分辨率影像和配准的多光谱影像进行统一分类 ;(3)根据每一类所对应的高分辨率全色波段影像直方图和相应的空间关系 ,对配准后单个波段的多光谱影像进行调整 .(4)采用柱状坐标系对调整后的多谱影像进行 HIS(Hue,Intensity,Saturation)变换 ,并反变换至 RGB(red,green,blue)彩色空间 ,从而得到融合影像 .以天安门附近 10 0× 10 0大小 IKONOS的 1m高分辨率全色波段影像和 4 m多光谱影像为例 ,对融合算法进行了验证 .实验结果表明 :(1)此算法可以融合分类信息、全色波段的高分辨率信息和多光谱波段的光谱信息 ,突出分类信息作为先验知识的重要性 [1 ] ;(2 )在精确分类的基础上 ,可部分消除目标物边界的假彩色现象 ,有较好的目视判读效果 ;(3)对融合过程中 ,先验知识与空间关系的加入作了一些有益的尝试 .    

17.  爆炸性物质的太赫兹(THz)光谱分析  被引次数:1
   石小溪  赵国忠《现代科学仪器》,2006年第16卷第2期
   介绍了利用自由空间电光取样方法对爆炸性物质进行太赫兹(THz)频段的时间分辨光谱测量.得到了四种爆炸性材料的透射光谱,得出了它们在THz频段的光学特性.DNT(2,4-二硝基甲苯)在此频段有特征吸收峰,经过钝化的RDX(黑索今)在0.6-0.9THz之间吸收明显增强;而HMX(奥克托金)和TNT(2,4,6-三硝基甲苯)磷状结晶片对THz波的吸收较小,在0.4-1.2THz的频率范围内折射率不随频率发生显著改变.研究这四种常见的爆炸物特征谱线及在THz波段的光学参数,对于建立爆炸物材料THz波段指纹谱数据库和检测环境中危险物质,排除安全隐患具有重要意义.    

18.  基于波段指数的高光谱影像波段选择算法  
   龚文娟  董安国  韩雪《激光技术》,2017年第41卷第4期
   为了去除高光谱影像的数据冗余,提高高光谱影像处理的精度和效率,提出了一种基于波段指数的高光谱影像波段选择算法.采用小波变换对高光谱图像数据进行去噪处理,依据联合偏度-峰度指数将波段进行分组,再根据波段指数的大小确定相对较小指数的波段,并将其作为冗余波段进行去除,从而得到最小波段集.结果表明,利用该波段集和全波段所选的端元是一致的,在不影响端元提取的前提下,最大程度地去除了冗余波段,而且该波段集与全波段的分类精度较接近.该算法在波段选择过程中具有可行性与有效性,为降低高光谱影像维数提供了一种帮助.    

19.  一种改进的基于遗传禁忌优化的NB算法*  
   姜沛佩  刘培玉  杨玉珍《计算机应用研究》,2010年第27卷第8期
   针对传统朴素贝叶斯分类模型应用过程中存在的特征项冗余问题,使用遗传禁忌算法对特征项集进行优化,并在此优化结果的基础上,提出了一种改进的朴素贝叶斯分类方法来解决用户模板中存在的单类别词汇问题。经实验证明,该方法比传统的朴素贝叶斯分类模型具有更好的鲁棒性和分类性能。    

20.  矩阵因子和信息散度融合的高光谱波段选择方法  
   王春阳  张合兵  许志方  王双亭  邵伟宽《遥感信息》,2018年第2期
   高光谱数据的数据量大、冗余度高,影响了影像分类的精度和速度。为解决这一问题,在基于矩阵模式的高光谱波段选择方法的基础上,提出了一种基于矩阵因子和光谱信息散度融合的波段选择方法。首先,用光谱信息散度代替原始用光谱相关系数衡量光谱维的相关性。然后,调整矩阵因子定义方式,根据单一量化指标大小选择最佳波段组合。最后,分别用最佳指数因子、自适应波段选择法、最优波段指数法波段和所提出的算法对AVIRIS高光谱数据进行波段选择试验。结果表明,在选择相同波段数目的情况下,所提出的算法最大化保留了光谱信息并去除了冗余波段,分类精度有明显提高。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号