一种改进的蚁群算法在高光谱遥感图象分类中的应用

2016-08-07 11:54:01殷守林
沈阳师范大学学报(自然科学版) 2016年3期
关键词:分类特征信息

孙 可, 殷守林, 刘 杰

(沈阳师范大学 科信软件学院, 沈阳 110034)



一种改进的蚁群算法在高光谱遥感图象分类中的应用

孙 可, 殷守林, 刘 杰

(沈阳师范大学 科信软件学院, 沈阳 110034)

针对原始蚁群算法在高光谱遥感图象分类中收敛速度慢,结果不精确的缺点,提出了一种改进的蚁群算法,并把基于改进蚁群算法的特征选择应用在高光谱遥感图象分类中,从而建立一种新的高光谱遥感图象分类模型。模型分为3部分:基于传统蚁群算法原理,提出新的蚁群算法信息素更新方法;使用改进后的蚁群算法,令蚂蚁在平面上随机选择一个随机投影到平面上的特征,在所有特征中,使用判别函数来确定哪条路径最优,随后形成特征组合;根据特征组合,使用极大似然分类器对遥感图象进行分类。实验结果表明,基于改进的蚁群算法更能有效的对高光谱遥感图象进行分类。

蚁群算法; 特征选择; 高光谱遥感图象分类; 信息素; 极大似然分类器; 特征组合

0 引 言

近年来,模拟自然界动物行为产生了人工智能算法,如最新的智能算法:磁铁优化算法[1]、头脑风暴算法[2]、狼群算法、猫群算法以及蚁群算法[3]等,其快速发展已经应用在很多领域。这些智能算法在高光谱遥感图象分类中也得到了广泛的应用[4-6],陈善静等[7]提出了一种新的结合空-谱二维特征蚁群组合优化和支持向量机方法对高光谱图象进行分类,该方法首先使用一类蚁群在样本空间进行搜索,然后使用另一类蚁群在光谱维空间进行搜索,得到最大间距波段并对其进行组合,提取最优特征波段。……

登录APP查看全文

猜你喜欢
分类特征信息
分类算一算
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
教你一招:数的分类
订阅信息
中华手工(2017年2期)2017-06-06 23:00:31
展会信息
中外会展(2014年4期)2014-11-27 07:46:46
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15
健康信息
祝您健康(1987年3期)1987-12-30 09:52:32
健康信息(九则)
祝您健康(1987年2期)1987-12-30 09:52:28