基于高斯混合模型的遥感影像连续型朴素贝叶斯网络分类器

摘要：

提出了一种新的嵌入高斯混合模型(GMM,Gaussian Mixture Model)遥感影像朴素贝叶斯网络模型GMM-NBC(GMM based Na(1)ve Bayesian Classifier).针对连续型朴素贝叶斯网络分类器中假设地物服从单一高斯分布的缺点,该方法将地物在特征空间的分布用高斯混合模型来模拟,用改进EM算法自动获取高斯混合模型的参数;高斯混合模型整体作为一个子节点嵌入朴素贝叶斯网络中,将其输出作为节点(特征)的中间类后验概率,在朴素贝叶斯网络的框架下进行融合获得最终的类后验概率.对多光谱和高光谱数据的分类实验结果表明,该方法较传统贝叶斯分类器分类效果要好,且有较强的鲁棒性.

关键词：朴素贝叶斯分类器、高斯混合模型、EM算法、子高斯、遥感影像、分类

分类号：TP79(遥感技术)

在线出版日期：2010-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：18-24,29