综合PCA-ICA加权的SVM遥感图像分类方法

摘要：

主成分分析(PCA)和独立分量分析(ICA)分别是基于数据二阶和高阶统计信息的特征提取方法,支持向量机(SVM)具有小样本、高维数和非线性分类的特征.本文提出了一种综合PCA-ICA加权的SVM遥感图像分类方法,并从距离和余弦相似性度量方面对HSI高光谱遥感图像进行了分类实验.结果表明,该方法在选取合适SVM核函数参数情况下的分类精度要高于用单一方法的分类精度,具有一定的可行性和实际意义.

关键词： 遥感影像 图像分类 支持向量机 主成分分析 独立分量分析

作者: 刘岚 尹京苑 李成范

作者单位: 上海大学计算机工程与科学学院,上海200444 上海市地震局,上海200062;上海大学计算机工程与科学学院,上海200444

会议类型: 国内会议

会议名称: 2015年红外、遥感技术与应用研讨会暨交叉科学论坛

会议地点: 南京

会议语种:中文

页码: 1-5

在线出版日期: 2015-10-28（万方平台首次上网日期，不代表论文的发表时间）