结合拉普拉斯特征映射的权重朴素贝叶斯高光谱分类算法

李响; 吕勇

doi:doi：10.3969/j.issn.1004-4957.2020.10.017

您当前的位置：

首页 >

文章列表页 >

结合拉普拉斯特征映射的权重朴素贝叶斯高光谱分类算法

更新时间：2023-04-18

- 结合拉普拉斯特征映射的权重朴素贝叶斯高光谱分类算法
- A Weighted Naive Bayes Hyperspectral Classification Algorithm Combined with Laplacian Eigen Mapping
- 分析测试学报 2020年39卷第10期页码：1293-1298
- 作者机构：
  
  北京信息科技大学仪器科学与光电工程学院
- 作者简介：
- 基金信息：
  
  “十三五”装备预研共用技术和领域基金(41414050205);国防军工重点计量科研项目(JSJL2019208B001)
- DOI：doi：10.3969/j.issn.1004-4957.2020.10.017
  中图分类号：
- 纸质出版：2020
- 稿件说明：
移动端阅览
李响, 吕勇. 结合拉普拉斯特征映射的权重朴素贝叶斯高光谱分类算法[J]. 分析测试学报, 2020,39(10):1293-1298.

李响, 吕勇. A Weighted Naive Bayes Hyperspectral Classification Algorithm Combined with Laplacian Eigen Mapping[J]. 2020, 39(10): 1293-1298.
李响, 吕勇. 结合拉普拉斯特征映射的权重朴素贝叶斯高光谱分类算法[J]. 分析测试学报, 2020,39(10):1293-1298. DOI： doi：10.3969/j.issn.1004-4957.2020.10.017.

李响, 吕勇. A Weighted Naive Bayes Hyperspectral Classification Algorithm Combined with Laplacian Eigen Mapping[J]. 2020, 39(10): 1293-1298. DOI： doi：10.3969/j.issn.1004-4957.2020.10.017.

摘要

高光谱遥感可以得到更精确与丰富的遥感信息，因此涵盖了各国家的航空、航天以及小范围的地面观测的多个层级与环节，在对地观测遥感领域占有不可取代的地位。但高光谱数据集往往非常庞大，且包含冗余信息，为后续处理带来了不便。该研究选用拉普拉斯特征映射对高光谱数据降维与特征提取，并提出了一种权重朴素贝叶斯分类算法。通过奖励权重的方法对经典朴素贝叶斯分类器进行了改进，利用公开数据对算法进行验证，判别地物信息准确率达到92.7%，相比于传统方法有了大幅度的提高。

Abstract

Hyperspectral remote sensing，which plays an important role in the field of earth observation and remote sensing

could be used to obtain more accurate and rich remote sensing information

thus covering various levels and full links of the various countries′ aerial

spaceflight and small range of ground observation.However

hyperspectral data sets are often very large and contain redundant information

which brings inconvenience to subsequent processing.In this study

Laplacian Eigen mapping was used to reduce the dimension and fulfil the feature extraction of hyperspectral data.Then a weighted naive Bayes classification algorithm was proposed

while the classic naive Bayes classifier was improved by the method of rewarding weight.The algorithm was verified by the open source data.Results indicated that the accuracy for the proposed method in identification of the object information reached to 92.7%

which was greatly improved compared with that for the traditional method.

关键词

Keywords

references

浏览量

320

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

液相色谱-质谱数据处理算法的演进分析

高分辨质谱与深度学习视阈下的藏红花品质分析

基于高光谱的马铃薯微型种薯分类检测

基于二维相关谱的聚氯乙烯微塑料与菲衍生物吸附相互作用机制解析

典型糖脂类胞外聚合物对微塑料吸附砷行为特征的影响