基于Direct LDA的相关向量机遥感图像分类  

Relevant vector machine classification of hyperspectral image based on direct linear discriminant analysis

作　　者：李斌[1] 程丹[1] 李星[1] 

机构地区：[1]北方民族大学计算机科学与工程学院,银川750021

出　　处：《信息技术》2017年第4期17-20,共4页Information Technology

基　　金：国家自然科学基金项目(61461003)

摘　　要：相关向量机是一种新型的基于贝叶斯统计学习框架的有监督机器学习算法,但是存在对高光谱数据分类精度不高的问题。针对此问题,文中提出了一种改进的算法,该算法将直接线性判别分析法与相关向量机相结合,对高光谱数据进行特征提取,然后采用相关向量机进行遥感图像分类。文中实验数据采用1992年Indian Pines高光谱数据。实验结果显示,与采用相关向量机直接分类,线性判别分析法(LDA)与相关向量机结合的两种方法的分类结果相比,文中算法能够明显降低数据维度,总体分类精度也提升了约1%。Relevance vector machine （ RVM） is a new kind ol supervised machine learning algorithms who based on Bayesian statistical learning framework,but the classification accuracy ol RVM is not high when apply to hyperspectral data. Aiming at i t,this paper puts forward a novel algorithm, the new algorithm combines direct linear discriminant analysis （ LD A） to extract features, then using the relevance vector machine model for remote sensing image classification. The hyperspectral data of 1992 Indian Pines is used in the paper. The experimental results show that the proposed method not only reduces the dimensionality ol hyperspectral data, but also improves about 1 % overall accuracy.

关 键 词：相关向量机 高光谱遥感图象分类 降维 直接线性判别分析 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]