%0 Journal Article
%T 高光谱图像分类的全面加权方法研究
%J 红外与毫米波学报
%D 2008
%X 像元分类是高光谱数据分析的最基本、最重要内容之一,而基于支持向量机(SVM)的分类方法以其高效性得以广泛使用.原始的SVM分类模型中并没有体现出样本、特征、类别对于分类或分析的不同重要性,从而影响了处理效果.为此,将各样本偏离其类中心的距离映射为样本加权系数;将类内散度矩阵应用于特征加权方法;将SVM方程系统中的单位矩阵对角元素加以调整来完成类别加权.不同加权方法既可以单独使用也可以联合使用.实验表明,所提出的加权方法有助于进一步提高高光谱图像的分类效果.
%K 高光谱图像
%K 分类
%K 支持向量机
%K 加权
%U http://journal.sitp.ac.cn/hwyhmb/hwyhmbcn/ch/reader/view_abstract.aspx?file_no=200806107&flag=1