《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。