顾及分类器参数的全极化SAR图像特征选择与分类
  • 【DOI】

    10.3969/j.issn.1673-6338.2016.05.013

  • 【摘要】

    全极化SAR获取的信息量远多于传统SAR,但信息量的增加并不能确保分类精度的提高,如何有效进行特征选择至关重要.针对自适应特征选择问题,提出一种顾及分类器参数的特征选择和分类方法.该方法以支持向量数为评估依据,结合遗传算法进行特征选择,并同时对分类器参数进行寻优;最后利用优选的特征集和模型参数进行分类.为验证算法的有效性,利用两组全极化数据进行了监督分类实验.实验结果表明,提出方法降低了SVM分类... 展开>>全极化SAR获取的信息量远多于传统SAR,但信息量的增加并不能确保分类精度的提高,如何有效进行特征选择至关重要.针对自适应特征选择问题,提出一种顾及分类器参数的特征选择和分类方法.该方法以支持向量数为评估依据,结合遗传算法进行特征选择,并同时对分类器参数进行寻优;最后利用优选的特征集和模型参数进行分类.为验证算法的有效性,利用两组全极化数据进行了监督分类实验.实验结果表明,提出方法降低了SVM分类器对自身参数的敏感性,而且能在较少特征个数下具备良好的泛化性能,分类精度优于未经过特征选择和参数优化的方法. 收起<<

  • 【作者】

    袁春琦  徐佳  程圆娥  许康 

  • 【作者单位】

    河海大学 地球科学与工程学院/河海大学 地球科学与工程学院/江苏省测绘工程院

  • 【刊期】

    测绘科学技术学报 ISTIC PKU 2016年5期

  • 【关键词】

    极化SAR  特征选择  支持向量机  分类  参数优化  polarimetric synthetic aperture radar( PolSAR)  feature selection  support vector machine( SVM)  classification  parameters optimization 

  • 【基金项目】

    国家自然科学基金项目 江苏省测绘地理信息科研项目 地理空间信息工程国家测绘地理信息局重点实验室基金项目