从端元选择到光谱解混的距离测算方法

提出了基于支持向量机（SVM）的单纯形增长算法（SGA）新实现方法,该方法无需降维预处理,且采用低复杂度的距离尺度代替复杂的体积尺度;证明了线性SVM与传统线性光谱混合模型（LSMM）在光谱解混中的等效性,并探索了前者在信息的扩展利用和模型的非线性推广两方面的优势.实验结果表明,基于SVM的SGA实现方法在保证选择结果不变的前提下复杂度大大降低,SVM模型下解混精度明显提高....

Full description

Saved in:
Bibliographic Details
Published inHong wai yu hao mi bo xue bao Vol. 29; no. 6; pp. 471 - 475
Main Author 王立国 张晶 刘丹凤 王群明
Format Journal Article
LanguageChinese
Published 哈尔滨工程大学,信息与通信工程学院,黑龙江,哈尔滨,150001 2010
Subjects
光谱解混
单纯形增长算法
支持向量机
端元选择
高光谱图像
端元选择
支持向量机
高光谱图像
单纯形增长算法
光谱解混
Online AccessGet full text
ISSN1001-9014

Cover

More Information
Summary:提出了基于支持向量机（SVM）的单纯形增长算法（SGA）新实现方法,该方法无需降维预处理,且采用低复杂度的距离尺度代替复杂的体积尺度;证明了线性SVM与传统线性光谱混合模型（LSMM）在光谱解混中的等效性,并探索了前者在信息的扩展利用和模型的非线性推广两方面的优势.实验结果表明,基于SVM的SGA实现方法在保证选择结果不变的前提下复杂度大大降低,SVM模型下解混精度明显提高.
Bibliography:support vector machine
spectral unmixing
31-1577/TN
hyperspectral imagery
endmember selection
simplex growing algorithm
hyperspectral imagery; endmember selection; support vector machine; simplex growing algorithm; spectral unmixing
TP75
ISSN:1001-9014