|
|||||
|
|
| 基于相关向量机的高光谱影像混合像元分解 | |
| 引用本文： | 杨国鹏,周欣,余旭初,陈伟.基于相关向量机的高光谱影像混合像元分解[J].电子学报,2010,38(12):2751-2756. |
| 作者姓名： | 杨国鹏 周欣 余旭初 陈伟 |
| 作者单位： | 1. 信息工程大学测绘学院,河南,郑州,450052;空军装备研究院情报所,北京,100085 2. 信息工程大学信息工程学院,河南,郑州,450002 3. 信息工程大学测绘学院,河南,郑州,450052 |
| 基金项目： | 国家高技术研究发展计划(No.2006AA701309) |
| 摘 要： | 提出了一种利用相关向量机后验概率进行高光谱影像混合像元分解的方法.基于支持向量机后验概率输出的高光谱影像混合像元分解方法中,类别后验概率需要通过带参数的S形函数近似,而且模型需要通过交叉验证获取较好的规则化系数.相关向量机是在贝叶斯框架下提出的更加稀疏的学习机器,它没有规则化系数,核函数不需要满足Mercer条件.本文从分析支持向量机用于高光谱影像混合像元分解存在的不足出发,介绍了稀疏贝叶斯分类模型和模型参数推断,采用了快速序列稀疏贝叶斯学习算法.通过PHI影像的混合像元分解实验分析,表明了基于相关向量机的高光谱影像混合像元分解方法的优势. |
| 关 键 词： | 高光谱影像 混合像元分解 稀疏贝叶斯模型 相关向量机 |
| 收稿时间： | 2009-12-09 |
Relevance Vector Machine for Hyperspectral Imagery Unmixing |
|
| YANG Guo-peng,ZHOU Xin,YU Xu-chu,CHEN Wei.Relevance Vector Machine for Hyperspectral Imagery Unmixing[J].Acta Electronica Sinica,2010,38(12):2751-2756. | |
| Authors: | YANG Guo-peng ZHOU Xin YU Xu-chu CHEN Wei |
| Affiliation: | 1. Institute of Surveying and Mapping,Information Engineering University,Zhengzhou,Henan 450052,China;2. Intelligence Institute of Airforce's Equipment Academy,Beijing 100085,China;3. Institute of Information Engineering,Information Engineering University,Zhengzhou Henan 450002,China |
| Abstract: | We brought forward a hyperspectral imagery unmixing methods based on the posterior probability of relevance vector machine.In the hyperspectral imagery unmixing methods based on the posterior probability of support vector machine,the posterior probability have to be got by sigmoid function approximately,and the model need to set regularization coefficient by cross-validation.Relevance vector machine is a sparse model in the Bayesian framework,its mathematics model doesn't have regularization coefficient and... |
| Keywords: | hyperspectral imagery mixed-pixel unmixing sparse Bayesian model relevance vector machine |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《电子学报》浏览原始摘要信息 | |
| 点击此处可从《电子学报》下载全文 | |