本文提出了基于LR法的遥感数据特征选择和分类的体系。通过多光谱和高光谱数据处理结果我们可以看出，与传统的LDA法相比，NLR法显著减少特征波段的数量，同时达到很高的分类精度。同时也证明了LR法可以用来对遥感数据进行软分类。
参考文献：
[1]Velez-Beyes M,Linares D M. Comparison of principal-component-based bandselection methord for hyperspectral imagery[J]. Image and Singal Processing forRemote Sensing Ⅶ,Proc.SPIE,2002,4541:361-369.
[2]黄睿,何明一. 基于分类别PCA散度的高光谱图像分类波段选择[J]. 电子与信息学报,2005,10(27):1588-1591.
[3] G. F. Hughes. On the mean accuracy of statisticalpattern recognition[J]. IEEE Trans. Inf. Theory, 1968,1( IT-14):55–63.
[4] 舒宁,马洪超,,孙和利. 模式识别的理论与方法[M]. 武汉:武汉大学出版社,2004.
[5] 刘禄勤,龚小庆,王文祥. 概率论与数理统计[M]. 北京:高等教育出版社,2002.
[6] R. Pu, P. Gong. Determination of burntscars using logistic regression and neural network techniques from a singlepost-fire Landsat-7 ETM+ image[J]. Photogramm. Eng. Remote Sens, 2004,7(70):841–850.
[7] A. P. van Deventer, A. D. Ward, P. H.Gowda. Using Thematic Mapper data to identify ontrasting soil plains andtillage practices[J]. Photogramm. Eng. Remote Sens. 1997,1(63): 87–93.
[8] D. W.Hosmer, S. Lemeshow. Applied Logistic Regression[M]. New York: Wiley, 2000.
[9] 张强, 周秋生. 利用一种模糊神经网络对遥感影像进行分类的研究[J]. 测绘工程,2006,10(15):41-45.
[10] M. A. Shalan, M. K. Arora, S. K.Ghosh. An evaluation of fuzzy classifications from IRS 1C LISS III data[J].Int. J. Remote Sens,2003,8(23):3179–3186.
[11] M. A. Ibrahim, M. K. Arora, S. K. Ghosh. Estimating andaccommodating uncertainty through the soft classification of remote sensingdata[J]. Int. J. Remote Sens,2005,7(26): 2995–3007.
[12] 罗来平,宫辉力,刘先林. 基于决策树算法的遥感图像分类研究与实现[J].计算机应用研究,2007,1:207-209.
5/5 首页 上一页 3 4 5 |
