| 基于混合熵和L_1范数的遥感图像分类 |
| |
| 引用本文： | 王雪松,高阳,程玉虎,汪婵.基于混合熵和L_1范数的遥感图像分类[J].中国矿业大学学报,2012,41(6). |
| |
| 作者姓名： | 王雪松 高阳 程玉虎 汪婵 |
| |
| 作者单位： | 中国矿业大学信息与电气工程学院,江苏徐州,221116 |
| |
| 基金项目： | 国家自然科学基金项目，教育部新世纪优秀人才支持计划项目，霍英东教育基金会青年教师基金项目 |
| |
| 摘 要： | 针对遥感图像数据具有的高维数、非线性以及海量无标记样本的特性,提出了一种基于混合熵和L1范数的概率型最小二乘支持向量机分类方法.将准熵和熵差分融合,构造一种混合熵用以从海量无标记样本集中选出最有＂价值＂的待标记样本;基于L1范数距离度量,进一步从待标记样本集中筛选出孤立点和冗余点加以剔除;基于初始已标记样本以及筛选得到的样本,训练得到概率型最小二乘支持向量机.对反射光学系统的成像光谱仪（ROSIS）高光谱遥感图像进行了分类实验.结果表明：所提分类方法的总精度和Kappa系数分别达到了89.90%和0.868 5,能够以较少的训练样本得到较高的分类精度,其更适于处理遥感图像分类问题.
|
| 关 键 词： | 遥感图像 混合熵 L1范数 主动学习 概率型最小二乘支持向量机 |
Remote sensing image classification based on hybrid entropy and L1 norm |
| |
| Abstract: | |
| |
| Keywords: | remote sensing image hybrid entropy L1 norm active learning probability leastsquares support vector machine |
| 本文献已被 万方数据 等数据库收录！ |
|
