利用SVM的极化SAR图像特征选择与分类
吴永辉 计科峰 李禹 郁文贤
国防科学技术大学电子科学与工程学院 长沙 410073
Feature Selection and Classification of Polarimetric SAR Images Using SVM
Wu Yong-hui Ji Ke-feng Li Yu Yu Wen-xian
School of Electronics Science and Engineering, National University of Defense Technology, Changsha 410073, China
摘要 该文提出一种新的利用SVM的特征选择算法,并将其融入到极化SAR图像分类过程中,构成一种新的基于SVM的分类方法。其中,特征选择算法利用支持向量个数作为特征评估指标,并以顺序后退法作为搜索策略。真实数据的实验结果表明,该分类方法能有效降低SVM分类器对自身参数的敏感性,与利用原始特征集和经典的RELIEF-F的分类方法相比,该方法能以更少(或相当)的特征个数,在更广泛的SVM参数取值范围内获得更高的分类精度。
关键词 :
合成孔径雷达(SAR) ,
雷达极化 ,
特征选择 ,
分类 ,
支持向量机(SVM)
Abstract :A new feature selection algorithm is presented using SVM, and then it is integrated into the classification procedure of polarimetric SAR images to construct a novel SVM-based classification method. In the novel method, the sequential backward selection strategy is used to search feature subsets, and the number of support vectors is taken as the estimation index. Compared with those using the initial feature set and the classical RELIEF-F algorithm, higher classification accuracy with less or equivalent number of features is observed in a wider range of SVM parameters using the novel method.
Key words :
Synthetic Aperture Radar (SAR)
Radar polarimetry
Feature selection
Classification
Support Vector Machine (SVM)
收稿日期: 2007-03-12
通讯作者:
吴永辉
引用本文:
吴永辉, 计科峰, 李禹, 郁文贤. 利用SVM的极化SAR图像特征选择与分类[J]. 电子与信息学报, 2008, 30(10): 2347-2351 .
Wu Yong-Hui, Ji Ke-Feng, Li Yu, Yu Wen-Xian. Feature Selection and Classification of Polarimetric SAR Images Using SVM. , 2008, 30(10): 2347-2351 .
链接本文:
http://jeit.ie.ac.cn/CN/10.3724/SP.J.1146.2007.00346 或 http://jeit.ie.ac.cn/CN/Y2008/V30/I10/2347
[1]
乔雪,彭晨,段贺,张钰尧. 基于共享特征相对属性的零样本图像分类 [J]. 电子与信息学报, 2017, 39(7): 1563-1570.
[2]
汤萍萍,董育宁. 小波域基于分段Hurst指数的视频流分类 [J]. 电子与信息学报, 2017, 39(6): 1298-1304.
[3]
王燕,李晴,付进,梁国龙. 超短基线定位系统融合分类解模糊技术研究 [J]. 电子与信息学报, 2017, 39(6): 1348-1354.
[4]
孙鹏浩,兰巨龙, 陆肖元,胡宇翔,马腾. 一种基于匹配域裁剪的包分类规则集压缩方法 [J]. 电子与信息学报, 2017, 39(5): 1185-1192.
[5]
徐明亮,王士同. 由最大同类球提取模糊分类规则 [J]. 电子与信息学报, 2017, 39(5): 1130-1135.
[6]
郭继昌,张帆,王楠. 基于Fisher约束和字典对的图像分类 [J]. 电子与信息学报, 2017, 39(2): 270-277.
[7]
樊养余,李祖贺,王凤琴,马江涛. 基于跨领域卷积稀疏自动编码器的抽象图像情绪性分类 [J]. 电子与信息学报, 2017, 39(1): 167-175.
[8]
文伟,曹雪菲,张学峰,陈渤,王英华,刘宏伟. 一种基于多极化散射机理的极化SAR图像舰船目标检测方法 [J]. 电子与信息学报, 2017, 39(1): 103-109.
[9]
王昌海, 许昱玮, 张建忠. 基于层次分类的手机位置无关的动作识别 [J]. 电子与信息学报, 2017, 39(1): 191-197.
[10]
刘嘉琪,齐佳音. 基于社会系统响应函数的在线群体分类研究 [J]. 电子与信息学报, 2016, 38(9): 2141-2149.
[11]
黄志洪,李威,杨立群,江政泓,魏星,林郁,杨海钢. 一种基于与非锥簇架构FPGA输入交叉互连设计优化方法 [J]. 电子与信息学报, 2016, 38(9): 2397-2404.
[12]
郑超,陈杰,殷松峰,杨星,冯云松,凌永顺. 改进的协同训练框架下压缩跟踪 [J]. 电子与信息学报, 2016, 38(7): 1624-1630.
[13]
刘成云,常发亮,陈振学. 基于感兴趣区域和HOG-MBLBP特征的交通标识检测 [J]. 电子与信息学报, 2016, 38(5): 1092-1098.
[14]
唐中奇,付光远,陈进,张利. 基于低秩结构提取的高光谱图像压缩表示 [J]. 电子与信息学报, 2016, 38(5): 1085-1091.
[15]
李龙,刘峥. 基于训练特征空间分布的雷达地面目标鉴别器设计 [J]. 电子与信息学报, 2016, 38(4): 950-957.