基于递归SVM的高光谱数据特征选择算法研究

【摘要】：本文提出一种改进的递归SVM(Support Vector Machine,支持向量机)算法开展高光谱数据的光谱特征选择研究。SVM算法具有小样本训练、支持高维特征空间的特点,在进行光谱特征选择时,使用SVM中的权值来衡量每个波段的重要性。递归SVM算法遵循了标准SVM-RFE算法,但在排序准则上采用类别的均值作为类别代表,使用高斯径向基函数作为核函数。实验采用1992年6月美国印第安纳州的航空AVIRIS影像,将改进的递归SVM特征选择结果与传统的SVM-RFE相比较,利用该算法进行特征选择后的分类精度有所提高,计算时间缩短,在有噪声情况下表现出更好的鲁棒性和稳定性。