联合自适应邻域和Bagging的协同表示集成学习方法

摘要：

近年来,协同表示分类(collaborative representation classification,CRC)算法成为高光谱遥感影像分类的研究热点,其中基于bagging的协同表示集成学习算法(bagging-based collaborative representation classification,BagsCRC)利用bagging集成方式有效地提高了基分类器协同表示分类算法的精度.为进一步提升BagsCRC算法的有效性,文章提出了一种联合自适应形状邻域和bagging协同表示集成学习算法(shape-adaptive bagging-based collaborative representation classification,SABagsCRC).该算法通过构建训练样本和测试样本的自适应形状邻域,进而构建空间信息约束的分类器集成模式.实验采用Indian pines和Washington DC Mall两组高光谱遥感影像,对所提出算法的性能进行了评价.实验结果表明,SABagsCRC算法在分类效果上比BagsCRC算法有明显的提升.

关键词：自适应形状邻域、bagging、协同表示、集成学习、高光谱影像分类

所属期刊栏目：38

分类号：P237(摄影测量学与测绘遥感)

资助基金：江苏省自然资源科技项目2021052

在线出版日期：2023-10-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：161-167