文献类型：期刊文章

作　　者：牛鹏[1] 魏维[1]

机构地区：[1]西安通信学院通信装备管理系,西安710106

出　　处：《计算机应用》

年　　份：2010

卷　　号：30

期　　号：6

起止页码：1590-1593

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：在Bagging支持向量机(SVM)的基础上,将动态分类器集选择技术用于SVM的集成学习,研究了SVM动态集成在高光谱遥感图像分类中的应用。结合高光谱数据特性,通过随机选取特征子空间和反馈学习改进了BaggingSVM方法;通过引进加性复合距离改善了K近邻局部空间的计算方法;通过将错分的训练样本添加到验证集增强了验证集样本的代表性。实验结果表明,与单个优化的SVM和其他常见的SVM集成方法相比,改进后的SVM动态集成分类精度最高,能有效地提高高光谱遥感图像的分类精度。

关 键 词：高光谱  分类  动态分类器集选择  集成学习  SVM动态集成  

分 类 号：TP751.1]