最小二乘支持向量机的两点改进
2015-06-24王立国赵亮石瑶路婷婷
哈尔滨工程大学学报 2015年6期
王立国,赵亮,石瑶,路婷婷
(哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001)
最小二乘支持向量机的两点改进
王立国,赵亮,石瑶,路婷婷
(哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001)
最小二乘支持向量机以其较好的性能得到了广泛应用,但仍存在2点不足:一方面,最小二乘支持向量机将所有训练样本都作为支持向量参与未知样本的分类,导致该算法在泛化过程中处理速度较慢;另一方面,最小二乘支持向量机主要利用光谱数据进行训练和分类,忽略了对地物空间信息的挖掘,影响了分类精度。为此,提出一种基于库伦引力模型的样本缩减策略,在此基础上将分类结果与基于空间信息的分类器相融合,由此产生的新分类器可以有效解决以上两方面的问题。实验表明了新分类模型在分类精度与速度方面的优势。
高光谱;支持向量机;样本缩减;马尔科夫随机场;空间信息
高光谱遥感技术也已经成为矿产资源探测、环境监测、海洋调查、精细农业、植被研究、军事侦察与识别伪装等领域的有效技术手段。高光谱图像在实现监测、勘探等目标的重要前提是分类技术,其中从统计学习理论中发展起来的支持向量机,以结构风险最小化作为理论基础,避免了过学习造成分类器过于复杂,丧失泛化性的问题,尤其在有限样本的情况下仍然具有良好的分类性能[1⁃4],因而受到国内外学者的广泛关注,其核函数的引入,也为解决线性不可分问题提供了最佳的解决途径。……
登录APP查看全文
