基于相关向量机的高光谱影像混合像元分解
Relevance Vector Machine for Hyperspectral Imagery Unmixing作者机构：信息工程大学测绘学院河南郑州450052 空军装备研究院情报所北京100085 信息工程大学信息工程学院河南郑州450002
出 版 物：《电子学报》 (Acta Electronica Sinica)
年 卷 期：2010年第38卷第12期
页 面：2751-2756页
核心收录：
学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理]
基 金：国家高技术研究发展计划(No.2006AA701309)
主 题：高光谱影像 混合像元分解 稀疏贝叶斯模型 相关向量机
摘 要：提出了一种利用相关向量机后验概率进行高光谱影像混合像元分解的方法.基于支持向量机后验概率输出的高光谱影像混合像元分解方法中,类别后验概率需要通过带参数的S形函数近似,而且模型需要通过交叉验证获取较好的规则化系数.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,核函数不需要满足Mercer条件.本文从分析支持向量机用于高光谱影像混合像元分解存在的不足出发,介绍了稀疏贝叶斯分类模型和模型参数推断,采用了快速序列稀疏贝叶斯学习算法.通过PHI影像的混合像元分解实验分析,表明了基于相关向量机的高光谱影像混合像元分解方法的优势.
维普期刊数据库
同方期刊数据库