《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》
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。
图表编号 | XD0015357500 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) |