《表2 各类别之间的SID_SA值Tab.2 SID_SA value of each category》

  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Fisher准则和TrAdaboost的高光谱相似样本分类算法》

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

为了验证H_TrAdaboost算法的有效性，将表1的数据集作为实验数据集，实验环境为Matlab2012b。实验过程中，采用随机抽取的方式对源训练样本和辅助训练样本进行选择，实验中分类器参数C和gamma的数值通过十折交叉验证获得。通过前期实验可以得出，当源训练样本集的样本数量小于总训练样本集的15%时，相似地物分类问题变得模糊，精度降低明显，因此本文实验将低于总训练样本集15%的定义为小样本条件。首先进行的实验是采用SID_SA方法确定辅助样本，从样本集中随机选取200个样本作为本部分实验数据，实验得到各类地物之间的SID_SA值见表2。