结合拉普拉斯特征映射的权重朴素贝叶斯高光谱分类算法 |
| |
引用本文: | 李响,吕勇.结合拉普拉斯特征映射的权重朴素贝叶斯高光谱分类算法[J].分析测试学报,2020,39(10):1293-1298. |
| |
作者姓名: | 李响 吕勇 |
| |
作者单位: | 北京信息科技大学仪器科学与光电工程学院 |
| |
基金项目: | “十三五”装备预研共用技术和领域基金(41414050205);国防军工重点计量科研项目(JSJL2019208B001) |
| |
摘 要: | 高光谱遥感可以得到更精确与丰富的遥感信息,因此涵盖了各国家的航空、航天以及小范围的地面观测的多个层级与环节,在对地观测遥感领域占有不可取代的地位。但高光谱数据集往往非常庞大,且包含冗余信息,为后续处理带来了不便。该研究选用拉普拉斯特征映射对高光谱数据降维与特征提取,并提出了一种权重朴素贝叶斯分类算法。通过奖励权重的方法对经典朴素贝叶斯分类器进行了改进,利用公开数据对算法进行验证,判别地物信息准确率达到92.7%,相比于传统方法有了大幅度的提高。
|
关 键 词: | 高光谱 特征提取 目标识别 朴素贝叶斯分类算法 拉普拉斯特征映射 |
A Weighted Naive Bayes Hyperspectral Classification Algorithm Combined with Laplacian Eigen Mapping |
| |
Institution: | College of Instrument Science and Optoelectronics Engineering,Beijing Information Science and Technology University |
| |
Abstract: | |
| |
Keywords: | hyperspectral feature extraction target recognition naive Bayes classification algorithm Laplacian Eigen mapping |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《分析测试学报》浏览原始摘要信息 |
| 点击此处可从《分析测试学报》下载免费的PDF全文 |