《表4 特征选择和SVM参数优化前后的分类精度Table 4 Classification accuracy of SVM parameters optimization》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于GANBPSO-SVM的高光谱影像特征选择方法》
表4给出了优化SVM参数前后的分类试验结果对比结果。采用GANBPSO进行特征选择后,最终得到的适应度最大的粒子中,长度为200的特征子集二进制串中位长为1的个数是44,即得到了44个特征子集组合,最后2维所对应的最优参数组合中C和γ分别取241.616 9和8.196 1。优化后,波段数从200降到44,大大降低了高光谱影像的维度。并且在选择特征子集的同时,SVM的参数C和γ也得到了优化,相对于事先指定参数值的SVM的分类,精度也从81.80%提升到85.56%。显然,经过GANBPSO方法优选子集和优化SVM参数后,不仅能剔除冗余子集得到优选特征子集组合,还能优化SVM分类器的性能,大幅度的提升了分类精度。
图表编号 | XD0015357300 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.01 |
作者 | 谢福鼎、姚娆 |
绘制单位 | 辽宁师范大学城市与环境学院、辽宁师范大学城市与环境学院 |
更多格式 | 高清、无水印(增值服务) |