ADE的ReliefF特征选择在高光谱图像分类中的应用

作者：李娅; 王东; 张德丰

来源：电视技术, 2015, (05): 155-161.

DOI：10.16280/j.videoe.2015.05.037

• 特征选择
• 高光谱图像分类
• 自适应差分进化
• 模糊k-近邻分类器
• 包裹模型
• Relief F技术 feature selecting
• hyperspectral image classification
• adaptive differential evolution
• fuzzy k-nearest neighbor classifier
• wrapper model
• Relief F technique

针对高光谱图像谱段数目较多、近邻谱段相关性过高而导致分类困难的问题,提出了一种自适应差分进化特征选择的高光谱图像分类算法。首先初始化种群向量集,利用自适应差分进化算法搜索特征的自适应性生成特征子集;然后,通过使用Relief F技术根据特征排序去除重复特征,从而为所有的特征构建一个特征列表;最后,借助于模糊k-近邻分类器计算每个向量的分类精度,利用包裹模型评估特征子集。在印第安纳数据集和KSC数据集上的实验结果验证了算法的有效性及可靠性,实验结果表明,相比其他几种特征选择算法,该算法取得了更高的总分类精度和更好的Kappa系数。

• 出版日期2015
• 单位佛山科学技术学院