《表3 不同分类器200个波段下的分类精度Table 3 Classification accuracy by different classifiers in the original hypers

  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

在原始200个波段下进行高光谱影像分类，将SVM与极限学习机（ELM）和K最近邻（KNN）分类方法进行比较，以验证选择RBF-SVM作为分类器的合理性，对优化参数前后的分类结果进行比较，以验证参数优化上的优势，训练数据和测试数据集如表2所示。从表3可以看出，SVM分类方法取C=100，γ=2时得到的分类精度比ELM和KNN分别高出7.95%和5.12%，显然以SVM作为分类器在分类结果上有一定的优势。同时，惩罚因子C和间隔γ采用不同的数值，分类精度也不同，说明C和γ直接影响到了分类的精度，因此优化SVM的2个参数是有意义的。