论文部分内容阅读
针对高光谱影像近邻波段高度相关,直接在高维空间分类并非最优的问题,提出了基于最速上升和关联向量机(SA-RVM)的高光谱影像分类算法。使用最速上升(SA)算法搜索最优特征子空间,剔除冗余特征;然后,在特征子空间中训练RVM并分类。对4套测试数据进行的实验表明,SA选择的特征子空间中,RVM分类精度提高了2.5%以上,与支持向量机(SVM)相当。对训练样本较少的2套数据,精度提高了5.63%和6.2%。此外,SA-RVM的解稀疏,预测未知样本类别属性所需时间短。总体来看,SA-RVM精度高、判别速度快