高光谱端元提取的变异算子加速量子行为粒子群优化算法

最终成员提取算法为不同的材料选择了纯签名谱的集合，在高光谱分解中起着重要的作用。 本文将端元提取算法描述为一个组合优化问题，并提出了一种新的突变算子加速量子行为粒子群算法（MOAQPSO）。 所提出的方法采用量子行为粒子群优化（QPSO）来查找具有良好性能的最终成员。 据我们所知，这是QPSO首次被引入高光谱端成员提取中。 为了遵循粒子运动的规律，提出了高维粒子定义。 另外，为了避免陷入局部最优，使用突变操作来增加种群多样性。 拟议的MOAQPSO算法已在合成和实际高光谱数据集上进行了评估。 实验结果表明，与包括顶点分量分析（VCA），N-FINDR和离散粒子群优化（D-PSO）的其他最新算法相比，该方法获得了更好的结果。