Optimal subspace ensemble with SVM for hyperspectral image classification

Yang Kaige, Feng Xue-zhi, Pengfeng Xiao, Liujun ZhuNational 2016 · DOI

Abstract

éšæœºå­ç©ºé—´é›†æˆæ˜¯å¾ˆæœ‰å‰æ™¯çš„é«˜å ‰è°±å›¾åƒåˆ†ç±»æŠ€æœ¯,å­ç©ºé—´çš„å¤šæ ·æ€§å’Œå•ä¸ªå­ç©ºé—´çš„æ€§èƒ½ä¸Žé›†æˆåŽçš„åˆ†ç±»ç²¾åº¦å¯†åˆ‡ç›¸å ³ã€‚ä¼ ç»Ÿæ–¹æ³•åœ¨å¢žå¼ºå•ä¸ªå­ç©ºé—´æ€§èƒ½çš„åŒæ—¶,往往会获得大量最优但相似的子空间,å› è€Œå‡å°å®ƒä»¬ä¹‹é—´çš„å¤šæ ·æ€§,限制集成系统的分类精度。为此,提出优化子空间SVMé›†æˆçš„é«˜å ‰è°±å›¾åƒåˆ†ç±»æ–¹æ³•ã€‚è¯¥æ–¹æ³•é‡‡ç”¨æ”¯æŒå‘é‡æœºï¼ˆSVM)作为基分类器,并通过SVM之间的模式差别对随机子空间进行k-means聚类,最后选择每类中J-M距离最大的子空间进行集成,ä»Žè€Œå®žçŽ°é«˜å ‰è°±å›¾åƒåˆ†ç±»ã€‚å®žéªŒç»“æžœæ˜¾ç¤º,优化子空间SVMé›†æˆçš„é«˜å ‰è°±å›¾åƒåˆ†ç±»æ–¹æ³•èƒ½å¤Ÿæœ‰æ•ˆè§£å†³å°æ ·æœ¬æƒ å†µä¸‹çš„Hughes效应问题;总体精度达到75%–80%,Kappa系数达到0.61–0.74;比随机子空间集成方法和随机森林方法分类精度更高、更稳定,é€‚åˆé«˜å ‰è°±å›¾åƒåˆ†ç±»ã€‚
BibTeX
@inproceedings{kaige2016optimal,
  author = {YANG Kaige and Feng Xue-zhi and Pengfeng Xiao and Liujun Zhu},
  title = {{Optimal subspace ensemble with SVM for hyperspectral image classification}},
  booktitle = {National},
  year = {2016},
  doi = {10.11834/jrs.20165200},
}

Loading related content...

Figure