• 专利标题: 基于空谱多特征极限学习的线性共识集成融合分类方法
  • 专利标题(英): Linearity common recognition integration fusion classification method based on space spectrum multi-characteristic limit learning
  • 申请号: CN201710782177.5
    申请日: 2017-09-02
  • 公开(公告)号: CN107633264A
    公开(公告)日: 2018-01-26
  • 发明人: 吴泽彬刘玮吕可歆徐洋韦志辉
  • 申请人: 南京理工大学
  • 申请人地址: 江苏省南京市孝陵卫200号
  • 专利权人: 南京理工大学
  • 当前专利权人: 南京理工大学
  • 当前专利权人地址: 江苏省南京市孝陵卫200号
  • 代理机构: 南京理工大学专利中心
  • 代理商 陈鹏
  • 主分类号: G06K9/62
  • IPC分类号: G06K9/62 G06N3/04
基于空谱多特征极限学习的线性共识集成融合分类方法
摘要:
本发明公开了一种基于空谱多特征极限学习的线性共识集成融合分类方法,包括以下步骤:提取高光谱图像的光谱特征、空间特征和几何结构特征;用条件类概率极限学习机作为分类器,分别处理光谱特征、空间特征和几何结构特征,各自得到一组分类标签以及概率分布;建立线性共识集成模型,分析不同特征得到的分类结果,得到最终分类结果。本发明利用多种光谱特征、空间特征和几何结构特征,定义条件类概率极限学习机作为分类器得到分类标签以及概率分布,最后建立线性共识集成融合模型,充分考虑不同特征对不同区域像元的作用,可以获得更好的分类结果。
0/0