%0 Journal Article
%T Distance measurement based methods from endmember selection to spectral unmixing<br>从端元选择到光谱解混的距离测算方法
%A WANG Li-Guo
%A ZHANG Jing
%A LIU Dan-Feng
%A WANG Qun-Ming
%A <br>王立国
%A 张晶
%A 刘丹凤
%A 王群明
%J 红外与毫米波学报
%D 2010
%I Science Press
%X 提出了基于支持向量机(SVM)的单纯形增长算法(SGA)新实现方法，该方法无需降维预处理，且采用低复杂度的距离尺度代替复杂的体积尺度；证明了线性SVM与传统线性光谱混合模型(LSMM)在光谱解混中的等效性，并探索了前者在信息的扩展利用和模型的非线性推广两方面的优势.实验结果表明，基于SVM的SGA实现方法在保证选择结果不变的前提下复杂度大大降低,SVM模型下解混精度明显提高.
%K hyperspectral imagery
%K endmember selection
%K support vector machine
%K simplex growing algorithm
%K spectral unmixing<br>高光谱图像
%K 端元选择
%K 支持向量机
%K 单纯形增长算法
%K 光谱解混
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=1319827C0C74AAE8D654BEA21B7F54D3&jid=D3B4F771D1A06062008B4D0A2EF05996&aid=2D176E601B2EDBE6D0C4E036B39576F4&yid=140ECF96957D60B2&vid=771469D9D58C34FF&iid=B31275AF3241DB2D&sid=DCE57F652E4ADAFC&eid=D93AD940782892D0&journal_id=1001-9014&journal_name=红外与毫米波学报&referenced_num=1&reference_num=0