改进M-training算法的高光谱图像分类 |
| |
引用本文: | 崔颖,王雪婷,陆忠军,王立国.改进M-training算法的高光谱图像分类[J].哈尔滨工程大学学报,2018(10). |
| |
作者姓名: | 崔颖 王雪婷 陆忠军 王立国 |
| |
作者单位: | 哈尔滨工程大学信息与通信工程学院;黑龙江省农业科学院遥感技术中心 |
| |
摘 要: | 为了解决高光谱数据有标签样本数量有限的分类问题,提出将M-training算法应用于高光谱图像分类。采用两个SVM、一个K近邻(KNN)以及一个随机森林(RF)进行分类器组合,对传统M-training算法进行改进,增强分类器的多样性和差异性。为了充分考虑大量无标签样本的影响,采用有标签样本与无标签样本错误率加权作为有标签样本集更新的限制条件,从而有效地扩大了有标签样本集。实验结果表明:改进算法和传统的M-training算法相比较,在总体分类精度与Kappa系数上分别提高1. 85%~12. 10%与0. 021 5~0. 141 3,从而验证了该算法的有效性。
|
本文献已被 CNKI 等数据库收录! |
|