基于小波核主成分分析的相关向量机高光谱图像分类

摘要

相关向量机(RVM)高光谱图像分类是一种较新的高光谱图像分类方法，然而算法本身存在对于高维大样本数据训练时间过长、分类精度不高的问题。针对这些问题，该文提出一种基于新型核主成分分析的 RVM 分类方法。该方法首先将核函数引入到主成分分析中，然后应用小波核函数代替传统核函数，利用小波核函数的多分辨率分析特点，进一步提高核主成分分析(KPCA)非线性映射能力，最终将新型核主成分分析算法与相关向量机相结合，对高光谱图像进行分类。仿真实验结果表明，将所提出的方法应用于 AVIRIS 美国印第安纳州实验田高光谱数据预处理后，类内类间距离比降低20%，方差整体增幅较大，最终将处理后的数据应用于相关向量机的高光谱图像分类中，分类精度提升3%~5%%10.3724/SP.J.1146.2011.01282