基于 BKNNSVM 算法的高分辨率遥感图像分类研究

为了解决局部支持向量机算法 KNNSVM 存在的分类时间过长不利于具有海量数据量的高分辨率遥感图像分类的不 足，提高 KNNSVM 的算法表现，提出了改进的基于不确定性的 BKNNSVM 算法． 该算法利用二项式分布的共轭先验分布 Beta 分布根据近邻的分布情况推导该未标记样本属于正类或负类的概率大小，从而计算每一个未标记样本在类属性上的不确定 性大小． 再通过设置不确定性阈值的大小，对不确定性低于阈值的未标记样本直接采用 KNN 进行分类，而对高于阈值的样本 利用其近邻建立局部支持向量机分类器进行分类． 对高分辨率图像分类的实验结果表明: 合适的阈值能够有效降低原始 KNNSVM 算法的时间开销，同时能保持 KNNSVM 分类精度高的特点