| 基于相关向量机的高光谱影像分类研究 |
| |
| 引用本文： | 杨国鹏,余旭初,周欣,张鹏强.基于相关向量机的高光谱影像分类研究[J].测绘学报,2010,39(6):572-578. |
| |
| 作者姓名： | 杨国鹏 余旭初 周欣 张鹏强 |
| |
| 作者单位： | 信息工程大学,测绘学院,河南,郑州,450052;空军装备研究院,北京,100850;信息工程大学,测绘学院,河南,郑州,450052;信息工程大学,信息工程学院,河南,郑州,450052 |
| |
| 基金项目： | 国家863计划(2006AA701309) |
| |
| 摘 要： | 虽然支持向量机在高光谱影像分类得到成功应用，但是它自身固有许多不足之处。相关向量机是在贝叶斯框架下提出的更加稀疏的学习机器，它没有规则化系数，其核函数不需要满足Mercer条件，不仅具备良好的泛化能力，而且还能够得到具有统计意义的预测结果。本文从分析支持向量机用于高光谱影像分类存在的不足出发，提出了一种基于相关向量机的高光谱影像分类方法，介绍了稀疏贝叶斯分类模型，将相关向量机学习转化为最大化边缘似然函数估计问题，并采用了快速序列稀疏贝叶斯学习算法。通过PHI和OMIS影像分类实验分析表明了基于相关向量机的高光谱影像分类方法的优越性。
|
| 关 键 词： | 高光谱影像 稀疏贝叶斯模型 相关向量机 支持向量机 |
| 收稿时间： | 2009-07-17 |
| 修稿时间： | 2009-09-17 |
Research on Relevance Vector Machine for Hyperspectral Imagery Classification |
| |
| YANG Guopeng,YU Xuchu,ZHOU Xin,ZHANG Pengqiang.Research on Relevance Vector Machine for Hyperspectral Imagery Classification[J].Acta Geodaetica et Cartographica Sinica,2010,39(6):572-578. |
| |
| Authors: | YANG Guopeng YU Xuchu ZHOU Xin ZHANG Pengqiang |
| |
| Institution: | YANG Guopeng1,2,YU Xuchu1,ZHOU Xin3,ZHANG Pengqiang1 1.Institute of Surveying and Mapping,Information Engineering University,Zhengzhou 450052,China,2.Intelligence Institute of Airforce's Equipment Academy,Beijing 100850,3.Institute of Surveying and Mapping |
| |
| Abstract: | Though the support vector machine has been successfully applied in hyperspectral imagery classification,it has also several limitations.Relevance vector machine(RVM) is a sparse model in the Bayesian framework,its mathematics model doesn't have regularization coefficient and its kernel functions don't need to satisfy Mercer's condition.RVM presents the good generalization performance,and its predictions are probabilistic.In this paper,we firstly analysis the disadvantages of the support vector machine for h... |
| |
| Keywords: | hyperspectral imagery sparse Bayesian model relevance vector machine support vector machine |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《测绘学报》浏览原始摘要信息 |
| 点击此处可从《测绘学报》下载免费的PDF全文 |
|
