张燚
- 作品数：3 被引量：52H指数：3
- 供职机构：哈尔滨工程大学信息与通信工程学院更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于小波核主成分分析的相关向量机高光谱图像分类被引量：19
- 2012年
- 相关向量机（RVM）高光谱图像分类是一种较新的高光谱图像分类方法，然而算法本身存在对于高维大样本数据训练时间过长、分类精度不高的问题。针对这些问题，该文提出一种基于新型核主成分分析的RVM分类方法。该方法首先将核函数引入到主成分分析中，然后应用小波核函数代替传统核函数，利用小波核函数的多分辨率分析特点，进一步提高核主成分分析（KPCA）非线性映射能力，最终将新型核主成分分析算法与相关向量机相结合，对高光谱图像进行分类。仿真实验结果表明，将所提出的方法应用于AVIRIS美国印第安纳州实验田高光谱数据预处理后，类内类间距离比降低20％，方差整体增幅较大，最终将处理后的数据应用于相关向量机的高光谱图像分类中，分类精度提升3％～5％。
- 赵春晖张燚王玉磊
- 关键词：高光谱图像分类相关向量机小波核函数
- 相关向量机分类方法的研究进展与分析被引量：22
- 2012年
- 相关向量机(RVM)是一种基于贝叶斯模型的监督机器学习算法,可用于处理回归以及分类问题.与支持向量机(SVM)相比,相关向量机的优点在于其输出结果是一种概率模型,其相关向量的个数远远小于支持向量的个数,并且测试时间短.总结了相关向量机的基本原理及主要应用领域,详细阐述了相关向量机的模型结构以及分类方法,重点介绍了在高光谱图像分类中的应用.并针对RVM算法在高光谱图像分类中的不足,给出了多种改进方案,并作以比较.希望对研究者今后的研究有所启发,以促进该领域的发展.
- 赵春晖张燚
- 关键词：相关向量机高光谱图像
- 基于改进型相关向量机的高光谱图像分类被引量：15
- 2012年
- 相关向量机(RVM)高光谱图像分类算法是一种基于贝叶斯概率模型的监督机器学习算法,其分类精度较高、测试时间较短。然而算法本身存在训练时间随着训练样本增加直线上升、分类效率整体降低等问题。针对这种情况,提出一种基于改进型相关向量机(VRVM)的高光谱图像分类算法。本算法在传统概率模型中引入一个新的分布,使得计算复杂度较高的积分运算可近似地拆分成两个较为简单的对数和形式。实验结果表明,VRVM高光谱图像分类算法的总体分类精度和相关向量的数量与RVM基本相同,但训练时间随样本数的增加有明显的减少。
- 赵春晖齐滨张燚
- 关键词：遥感高光谱图像相关向量机
