%0 Journal Article
%T 萤火虫算法优化的高光谱遥感影像极限学习机分类方法
%A 蔡悦
%A 苏红军
%A 李茜楠
%J 地球信息科学学报
%P 986-994
%D 2015
%R 10.3724/SP.J.1047.2015.00986
%X 机器学习方法在高光谱遥感影像分类中广泛应用,本文使用新型的极限学习机（ExtremeLearningMachine,ELM）进行高光谱遥感影像分类,针对ELM中正则化参数C和核参数σ,提出以萤火虫算法（FireflyAlgorithm,FA）进行优化。首先,采用萤火虫算法进行高光谱遥感影像的波段选择,以便降低维数;然后,利用萤火虫算法以分类精度最大化为准则对ELM的参数组合（C,σ）进行寻优;最后,利用参数优化后的ELM分类器,对3个不同传感器的高光谱遥感影像进行分类。实验中将新型的萤火虫算法与遗传算法（GeneticAlgorithm,GA）和粒子群算法（ParticleSwarmOptimization,PSO）进行了对比,并将ELM的性能与支持向量机（SupportVectorMachine,SVM）方法作对比。结果表明,FA优化方法优于传统的GA和PSO优化方法,ELM方法的效果在训练时间和分类准确率2个方面都优于SVM方法。实验说明,本文提出的方法具有较好的适用性和较优的分类效果。
%K 极限学习机
%K 高光谱遥感
%K 参数优化
%K 分类
%U http://www.dqxxkx.cn/CN/abstract/abstract36954.shtml