利用特征子空间评价与多分类器融合的高光谱图像分类 (2010年)

为应对高光谱图像分类中的特征高维度问题，提出一种基于多分类器融合的高光谱图像分类方法．利用高光谱数据相邻波段的高相关性，通过自适应子空间分解产生多个特征子空间，进而训练生成子分类器；利用ReliefF-S算法，对各特征子空间进行评价并生成各子分类器的权重，最终通过加权表决融合实现分类决策．实验表明，所提方法可有效规避高维特征问题并提升分类性能．