为充分利用高光谱遥感影像中丰富的光谱和空间信息,提出了一种基于多核支持向量机(multiple kernel support vector machine,MKSVM)和马尔科夫随机场(markov random field,MRF)的影像分类方法。该方法首先利用MKSVM分类器对影像进行分...为充分利用高光谱遥感影像中丰富的光谱和空间信息,提出了一种基于多核支持向量机(multiple kernel support vector machine,MKSVM)和马尔科夫随机场(markov random field,MRF)的影像分类方法。该方法首先利用MKSVM分类器对影像进行分类处理,再利用MRF对初始分类结果进行空间结构规则化,得到最终分类结果。通过对AVIRIS高光谱影像的分类实验表明,该方法有效地消除了分类结果中同质区域内的"噪声",分类精度提高了3%左右。展开更多
文摘针对多通道四类运动想象(Motor imagery,MI)脑电信号(Electroencephalography,EEG)的分类问题,提出免疫多域特征融合的多核学习SVM(Support vector machine)运动想象脑电信号分类算法.首先,通过离散小波变换(Discrete wavelet transform,DWT)提取脑电信号的时频域特征,并利用一对多公共空间模式(One versus the rest common spatial patterns,OVR-CSP)提取脑电信号的空域特征,融合时频空域特征形成特征向量.其次,利用多核学习支持向量机(Multiple kernel learning support vector machine,MKL-SVM)对提取的特征向量进行分类.最后,利用免疫遗传算法(Immune genetic algorithm,IGA)对模型的相关参数进行优化,得到识别率更高的脑电信号分类模型.采用BCI2005desc-Ⅲa数据集进行实验验证,对比结果表明,本文所提出的分类模型有效地解决了传统单域特征提取算法特征单一、信息描述不足的问题,更准确地表达了不同受试者个性化的多域特征,取得了94.21%的识别率,优于使用相同数据集的其他方法.
文摘为充分利用高光谱遥感影像中丰富的光谱和空间信息,提出了一种基于多核支持向量机(multiple kernel support vector machine,MKSVM)和马尔科夫随机场(markov random field,MRF)的影像分类方法。该方法首先利用MKSVM分类器对影像进行分类处理,再利用MRF对初始分类结果进行空间结构规则化,得到最终分类结果。通过对AVIRIS高光谱影像的分类实验表明,该方法有效地消除了分类结果中同质区域内的"噪声",分类精度提高了3%左右。
