|
|||||
|
|
| 基于PSO-SVM的高光谱数据降维的可靠性研究 | |
| 引用本文： | 臧卓,林辉,杨敏华.基于PSO-SVM的高光谱数据降维的可靠性研究[J].中国农学通报,2011,27(31):47-52. |
| 作者姓名： | 臧卓 林辉 杨敏华 |
| 作者单位： | 1. 中南大学信息物理工程学院,长沙410083;中南林业科技大学林业遥感信息工程研究中心,长沙410004 2. 中南林业科技大学林业遥感信息工程研究中心,长沙,410004 3. 中南大学信息物理工程学院,长沙,410083 |
| 基金项目： | 国家自然科学基金资助项目(30871962); 高等学校博士学科点专项科研基金(200805380001); 湖南省教育厅科学研究项目(09C1001) |
| 摘 要： | PSO结合SVM算法对高光谱数据波段进行优化，每次搜索结果不一定相同，因此很多学者对此类算法的可靠性存在疑问。为了证明PSO-SVM降维算法的可靠性，利用PSO-SVM算法对杉木和马尾松的幼中成熟林的高光谱原始数据、一阶微分变换数据、对数变换数据及归一化变换数据进行降维运算，对降维后选择的波段分别利用支持向量机（SVM）、BP神经网络、Mahalanobis距离分类法、Fisher分类法及贝叶斯分类法进行分类，分类结果中，Fisher分类法的结果最好，所有的分类结果均在90%以上，SVM和BP神经网络的分类结果都保持在80%以上，贝叶斯分类法分类精度最差，所有分类结果均未超过90%，最差结果为43.75%。同时，将PSO-SVM与PCA算法进行对比分析，发现在马尾松和杉木的分类过程中PSO-SVM算法优于PCA算法。最后得出结论，PSO-SVM算法提取的特征对Fisher、SVM及BP神经网络分类法有效；当光谱数据差异非常微小时，PSO-SVM比PCA对特征的提取更有效。 |
| 关 键 词： | 光呼吸 光呼吸 基因 突变体 生物学功能 |
| 收稿时间： | 2011/8/15 0:00:00 |
| 修稿时间： | 2011/8/30 0:00:00 |
Reliability Study on Dimension Reduction of Hyperspectral Data Based on PSO-SVM Algorithm |
|
| Zang Zhuo , Lin Hui , Yang Minhua.Reliability Study on Dimension Reduction of Hyperspectral Data Based on PSO-SVM Algorithm[J].Chinese Agricultural Science Bulletin,2011,27(31):47-52. | |
| Authors: | Zang Zhuo Lin Hui Yang Minhua |
| Institution: | Zang Zhuo 1,2,Lin Hui 2,Yang Minhua 1 ( 1 School of Info-physics and Geomatics Engineering,Central South University,Changsha 410083,2Research Center of Forestry Remote Sensing&Information Engineering,Central South University of Forestry&Technology,Changsha 410004) |
| Abstract: | PSO,in combination with SVM algorithms,which is used to optimize the bands of hyperspectral data.Every search result does not necessarily the same,so very many scholars have questions about the reliability of these algorithms.The hyperspectra data,including the samples from Cunninghamia lanceolata and Pinus massoniana Lamb in their three different life stages(adults,juveniles,infancy),were analyzed by the methods of first derivative,logarithms and normalization respectively.In order to test the reliability ... |
| Keywords: | hyperspectral dimension reduction classification particle swarm optimization(PSO) support vector machine(SVM) |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ | |
| 点击此处可从《中国农学通报》浏览原始摘要信息 | |
| 点击此处可从《中国农学通报》下载免费的PDF全文 | |