联合自适应邻域和Bagging的协同表示集成学习方法

作者：虞瑶; 范雪婷; 丁婷

来源：遥感信息, 2023, 38(04): 161-167.

DOI：10.20091/j.cnki.1000-3177.2023.04.020

• 自适应形状邻域
• bagging
• 协同表示
• 集成学习
• 高光谱影像分类

近年来，协同表示分类(collaborative representation classification, CRC)算法成为高光谱遥感影像分类的研究热点，其中基于bagging的协同表示集成学习算法(bagging-based collaborative representation classification, BagsCRC)利用bagging集成方式有效地提高了基分类器协同表示分类算法的精度。为进一步提升BagsCRC算法的有效性，文章提出了一种联合自适应形状邻域和bagging协同表示集成学习算法(shape-adaptive bagging-based collaborative representation classification, SABagsCRC)。该算法通过构建训练样本和测试样本的自适应形状邻域，进而构建空间信息约束的分类器集成模式。实验采用Indian pines和Washington DC Mall两组高光谱遥感影像，对所提出算法的性能进行了评价。实验结果表明，SABagsCRC算法在分类效果上比BagsCRC算法有明显的提升。

• 单位
  江苏省基础地理信息中心