南方主要针叶树种高光谱数据降维分类研究

作者：臧卓; 林辉; 孙华; 莫登奎; 王四喜

来源：中南林业科技大学学报, 2010, (11): 20-25.

DOI：10.14067/j.cnki.1673-923x.2010.11.023

• 高光谱遥感
• 主成分分析
• 遗传算法
• 支持向量机
• 针叶树种 hyper-spectral remote sensing
• principal component analysis(PCA)
• genetic algorithms(GA)
• support vector machine(SVM)
• coniferous species

采用ASD公司生产的FieldSpec HandHeldTM地物光谱仪,分别于2005、2006、2008年冬季跟踪观测杉木、马尾松、黑松、雪松等针叶树种的高光谱数据,经筛选后获取有效观测数据160条,其中120条作为训练集,40条作为测试集。将平滑去噪的一阶微分高光谱数据进行PCA方法和GA方法降维,然后利用BP神经网络和支持向量机(SVM)对降维后的测试集数据进行分类。结果表明:PCA—BP神经网络模型分类准确率95%,PCA—SVM分类准确率97.5%,GA和BP分类准确率92.5%,GA-SVM分类准确率100%。这说明两种降维方式结合支持向量机的分类均优于其与BP神经网络结合的分类,...

• 出版日期2010
• 单位中南林业科技大学; 中南大学