您好,欢迎访问黑龙江省农业科学院 机构知识库!

Stacking Learning在高光谱图像分类中的应用

文献类型: 中文期刊

作者: 徐凯 1 ; 崔颖 1 ;

作者机构: 1.哈尔滨工程大学信息与通信工程学院;黑龙江省农业科学院遥感技术中心

关键词: 高光谱图像;多分类系统;Stacking Learning;集成学习;交叉验证;图像分类;特征变换;K-Fold

期刊名称: 应用科技

ISSN: 1009-671X

年卷期: 2018 年 06 期

页码: 42-46+52

摘要: 高光谱图像分类研究中,集成学习能够显著地提高分类效果。但是传统的并行多分类系统对基础分类器有较高要求,即要求差异性及分类均衡。为了解决这一问题,采用Stacking Learning的堆栈式学习方式,首先使用K-Fold和交叉验证的方式进行数据分割和训练,将原始特征进行特征变换,重新构建二级特征。再使用新特征进行对Meta分类器进行训练得到判决分类器,用于样本的最后分类判断。实验结果表明,采用的Stacking Learning方法不依赖基础分类器,且相比较于传统的多分类系统具有更高的精度和良好的稳定性。

  • 相关文献

[1]主动学习策略融合算法在高光谱图像分类中的应用. 崔颖,徐凯,陆忠军,刘述彬,王立国. 2018

[2]基于烟花算法降维的高光谱图像分类. 崔颖,宋国娇,陈立伟,刘述彬,王立国. 2017

[3]对比Bayesian B等多种方法的大豆全基因组选择应用研究. 唐友,郑萍,王嘉博,张继成. 2018

[4]改进M-training算法的高光谱图像分类. 崔颖,王雪婷,陆忠军,王立国. 2018

[5]基于改进SPA算法的高效降维方法. 崔颖,王雪婷,刘述彬,陆忠军. 2018

[6]基于二进制编码的烟花聚类算法. 李雪源,崔颖. 2016

[7]遥感图像分类中混合像元分解方法研究. 吴黎,张有智,解文欢,王鹏,刘媛媛,李栓. 2011

作者其他论文 更多>>