本文選題：遺傳算法 + 譜段選擇�。� 參考：《計(jì)算機(jī)工程與應(yīng)用》2017年05期

【摘要】：高光譜數(shù)據(jù)在物質(zhì)分類識(shí)別領(lǐng)域得到了廣泛應(yīng)用,但存在數(shù)據(jù)量大、波段間相關(guān)性高等問題,嚴(yán)重影響分類精度及應(yīng)用。針對(duì)以上問題分析了已有的波段選擇方法,提出了基于波段聚類及監(jiān)督分類的遺傳算法,對(duì)高光譜數(shù)據(jù)進(jìn)行波段選擇:采用K均值聚類算法對(duì)波段數(shù)據(jù)進(jìn)行聚類分析,構(gòu)造波段子集合;利用分類器族分類精度構(gòu)造適應(yīng)度函數(shù),采用遺傳算法對(duì)波段子集合進(jìn)行優(yōu)化選擇。最后用闊葉林高光譜數(shù)據(jù)對(duì)提出的算法進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明針對(duì)分類應(yīng)用,提出的算法能夠非常有效地選擇高光譜譜段。
[Abstract]:Hyperspectral data have been widely used in the field of material classification and recognition, but there are some problems such as large amount of data and high correlation between bands, which seriously affect the classification accuracy and application. In view of the above problems, the existing band selection methods are analyzed, and a genetic algorithm based on band clustering and supervised classification is proposed. The band selection of hyperspectral data is carried out. The K-means clustering algorithm is used to cluster the band data. The band subsets are constructed and the fitness function is constructed by using the classification accuracy of the classifier family. The genetic algorithm is used to optimize the selection of the band subsets. Finally, the hyperspectral data of broad-leaved forest are used to compare the proposed algorithm. The experimental results show that the proposed algorithm can select the hyperspectral spectrum effectively for classification applications.
【作者單位】： 北京林業(yè)大學(xué)信息學(xué)院;浙江農(nóng)林大學(xué)環(huán)境與資源學(xué)院;
【分類號(hào)】：TP79

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 張海濤;王鶴橋;孟祥羽;武文波;;基于類對(duì)可分和灰色決策的高光譜波段選擇方法[J];計(jì)算機(jī)科學(xué);2014年06期

2 張海濤;孟祥羽;陳虹宇;張曄;;利于目標(biāo)識(shí)別的高光譜影像波段選擇方法[J];計(jì)算機(jī)科學(xué);2013年10期

3 葛亮;王斌;張立明;;基于波段聚類的高光譜圖像波段選擇[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2012年11期

4 劉穎;谷延鋒;張曄;張鈞萍;;一種高光譜圖像波段選擇的快速混合搜索算法[J];光學(xué)技術(shù);2007年02期

5 孫立新;高文;;基于粗糙集的遙感優(yōu)化分類波段選擇[J];模式識(shí)別與人工智能;2000年02期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 符泰然,程曉舫,范學(xué)良,丁金磊;基于波段帶寬的譜段測溫的優(yōu)化測量分析[J];光譜學(xué)與光譜分析;2005年10期

2 葉澤田;頻譜段圖像及其應(yīng)用的探討[J];環(huán)境遙感;1993年02期

3 陳立武,趙葆常,楊建峰,洪新華,常凌穎;折射率、色散變化量與寬譜段傅氏鏡二級(jí)光譜變化量的分析[J];光子學(xué)報(bào);2005年09期

4 程倫揚(yáng);四譜段輻射計(jì)天線[J];航天技術(shù)與民品;1996年05期

5 龐之浩,劉麗偉;當(dāng)代陸地資源衛(wèi)星發(fā)展一瞥[J];中國航天;2000年11期

6 崔鐵基，孫以珠，，閔祥德;OMA－Ⅱ不同光譜段波長標(biāo)定顯示的自動(dòng)恢復(fù)[J];光電子·激光;1994年06期

7 易波;張建;屈恩世;謝慶勝;冷寒冰;劉偉;武登山;雷楊杰;王澤峰;;紅外四譜段測溫輻射計(jì)的電子學(xué)設(shè)計(jì)與實(shí)現(xiàn)[J];紅外與激光工程;2013年10期

8 尹繼豪;王義松;;高光譜遙感影像中最佳譜段的快速選擇方法[J];遙感信息;2010年03期

9 逯雪峰;白清蘭;;寬譜段成像光譜儀前置物鏡的設(shè)計(jì)[J];紅外與激光工程;2012年11期

10 張穎;趙慧潔;程宣;熊勝軍;;基于LCVR調(diào)諧的全偏振多譜段成像系統(tǒng)[J];光譜學(xué)與光譜分析;2011年05期

相關(guān)會(huì)議論文 前1條

1 徐秀芳;劉銀年;王建宇;;多譜段相機(jī)的信息獲取與處理技術(shù)[A];第二屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

相關(guān)重要報(bào)紙文章 前2條

1 中巴地球資源衛(wèi)星總設(shè)計(jì)師 陳宜元;關(guān)鍵技術(shù)的突破[N];中國航天報(bào);2001年

2 武苑宣;南南高科技合作的典范[N];科技日?qǐng)?bào);2000年

相關(guān)博士學(xué)位論文 前2條

1 李一芒;周掃式多譜段無源預(yù)警實(shí)時(shí)圖像處理系統(tǒng)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所);2014年

2 李平;多譜段敵我識(shí)別系統(tǒng)關(guān)鍵技術(shù)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所);2015年

相關(guān)碩士學(xué)位論文 前3條

1 孔齡婕;微型化多譜段變頻調(diào)制光電標(biāo)識(shí)技術(shù)研究[D];中北大學(xué);2016年

2 胡秋敏;航空伽瑪能譜低能譜段反演研究[D];成都理工大學(xué);2010年

3 陳明馳;航空γ能譜低能譜段規(guī)律及應(yīng)用研究[D];成都理工大學(xué);2009年

本文編號(hào)：1810388