AU - Li, yan - yi AU - Wang, Jian AU - Gao, Tong AU - Sun, Qiwen AU - Zhang, Liguo AU - Tang，明修PY - 2020 DA - 2020/09/01 TI -在高光谱遥感图像智能地形分类中采用机器学习SP - 8886932 VL - 2020 AB机器学习方法逐渐被引入到遥感成像过程中。首先，本研究选取PaviaU、博茨瓦纳和Cuprite高光谱数据集作为研究对象，通过机器学习对遥感高光谱图像进行处理，实现特征的自动智能分类。然后介绍了支持向量机(SVM)和极限学习机(ELM)分类算法的基本原理，并将它们应用于数据集。其次，利用受限玻尔兹曼机(RBM)调整参数估计，构建基于深度置信网络(DBN)的高光谱图像地形分类模型。其次，对支持向量机(SVM)、ELM和DBN分类算法在高光谱图像地形分类中的精度和一致性进行了分析和比较。结果表明:ELM在3个数据集上的平均检测精度分别为89.54%、96.14%和96.28%，Kappa系数分别为0.832、0.963和0.924;SVM的平均检测准确率分别为88.90%、92.11%、91.68%，Kappa系数值分别为0.768、0.913、0.944;DBN分类模型的平均检测准确率分别为92.36%、97.31%、98.84%，Kappa系数值分别为0.883、0.944、0.972。 The results also demonstrate that the classification accuracy of the DBN algorithm exceeds those of the previous two methods because it fully utilizes the spatial and spectral information of hyperspectral remote-sensing images. In summary, the DBN algorithm that is proposed in this study has high application value in object classification for remote-sensing hyperspectral images. SN - 1687-5265 UR - https://doi.org/10.1155/2020/8886932 DO - 10.1155/2020/8886932 JF - Computational Intelligence and Neuroscience PB - Hindawi KW - ER -