基于组合降维及旋转SVM的高光谱图像分类

高光谱图像的超多波段可以描述丰富的地物信息,但是也带了维数灾难的问题。本文提出了PCA_LDA组合降维方法,使类内距离最小化,类间距离最大化,有效地消除数据冗余,并保留主要信息量,保证了降维后的数据具有最佳区分度。旋转森林是一种先进高效的集成学习算法,本文将基分类器由决策树改进为SVM,并将组合降维后的数据应用于旋转SVM分类器,分类精度有了显著的提高。通过实验对比分析,本文方法取得了较好分类效果。