基于递归SVM的高光谱数据特征选择算法研究
(0) 本文提出一种改进的递归SVM(Support Vector Machine,支持向量机)算法开展高光谱数据的光谱特征选择研究。SVM算法具有小样本训练、支持高维特征空间的特点,在进行光谱特征选择时,使用SW中的权值来衡量每个波段的重要性。递归SVM算法遵循了标准SVM—RFE算法,但在排序准则上采用类别的均值作为类别代表,使用高斯径向基函数作为核函数。实验采用1992年6月美国印第安纳州的航空AVIRIS影像,将改进的递归SVM特征选择结果与传统的SVM—RFE相比较,利用该算法进行特征选择后的分类精度有所提高,计算时间缩短,在有噪声情况下表现出更好的鲁棒性和稳定性。
光谱特征选择 递归特征约减 高光谱数据 支持向量机
张睿 陈雪 马建文
中国科学院遥感应用研究所 中国科学院对地观测与数字地球科学中心
国内会议
上海
中文
76-79
2010-05-01（万方平台首次上网日期，不代表论文的发表时间）