咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于相关向量机的高光谱图像解混方法 收藏

基于相关向量机的高光谱图像解混方法

An unmixing algorithm based on the relevance vector machine for hyperspectral imagery

作     者:杨京辉 王立国 钱晋希 YANG Jinghui;WANG Liguo;QIAN Jinxi

作者机构:哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001 中国空间技术研究院通信卫星事业部北京100094 北京邮电大学电子工程学院北京100876 

出 版 物:《哈尔滨工程大学学报》 (Journal of Harbin Engineering University)

年 卷 期:2015年第36卷第2期

页      面:267-270,286页

核心收录:

学科分类:0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

基  金:国家自然科学基金资助项目(61275010) 教育部博士点基金资助项目(20132304110007) 黑龙江省自然科学基金资助项目(F201409) 中央高校基本科研业务费重大项目(HEUCFD1410) 

主  题:高光谱图像 UARVM 丰度 相关向量机 解混 

摘      要:针对传统的高光谱数据解混方法中存在的解混精度不高、丰度图模糊的缺陷,提出一种基于相关向量机的高光谱图像解混方法(unmixing algorithm based on relevance vector machine,UARVM)。其核心思想是采用改进的一对余型的相关向量机将多分类问题转化为多个二分类的问题,且求取出每个样本所对应的归属类别的概率值,即丰度值来完成图像的解混。理论研究和仿真结果表明:相对于传统解混方法,UARVM解混精度高,丰度分布图效果好。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分