基于布谷鳥搜索算法的高光譜遙感影像波段選擇方法
  

編號:99-688301 | DOC格式 | 1.12M | 50 頁

本文共 50 頁,可試讀 15

還有 10 頁未讀  繼續閱讀
下載
已通過人工審核校對,完整可用,請放心下載 已加入誠信保障計劃,若無法下載可先行賠付
豆知手機版上線啦
分享 收藏
立即下載

內容介紹

原文檔由會員 馬甲線女神 發布

基于布谷鳥搜索算法的高光譜遙感影像波段選擇方法

2.3萬字 50頁 原創作品,已通過查重系統


摘 要
在近幾年,高光譜遙感在遙感領域中成為了熱門話題,引起了專家學者們的高度關注。高光譜遙感是一種具有高分辨率的遙感科學技術,能夠更為豐富細化的識別和區分地物光譜信息。與此同時,高光譜遙感因其海量的數據,較多的信息冗余度,繁雜的波段數,給數據處理提高了難度以及一定的程度上降低了高光譜遙感數據處理的精度。因此,本文主要針對高光譜遙感的一系列問題,在保留原始波段的物理特征前提下實現對高光譜遙感的降維處理。
要想很好的使用高光譜遙感,應先降低光譜維度即選取最佳的波段。目前,有很多的波段選擇方法,但大多數方法因高光譜海量的數據,較多的波段數目以及自身操作復雜,運算緩慢等原因效果并不理想。劍橋大學的新 Yang和拉曼工程大學的DEB根據布谷鳥的尋窩產卵行為模擬了一種新的智能優化算法,即布谷鳥算法。布谷鳥算法具有操作簡便,隨機性,可以同時進行多個體比較,容易與其他算法結合特點。本文主要研究方向是布谷鳥算法與波段選擇相結合,提出新的基于改進布谷鳥的波段選擇算法。
本文針對高光譜遙感影像的特點,結合布谷鳥算法的優點,采用JM,TD等距離,對其目標函數進行改進,提出了基于改進布谷鳥算法的高光譜遙感影像波段選擇方法。同時,針對布谷鳥算法通過參數如種群規模,最大搜索范圍控制其個體更新的位置,因此也進行了參數優化的實驗以便選取最適合的參數。最后采用DC Mall數據和SVM分類器進行布谷鳥改進算法的精度驗證實驗,為了進一步說明改進后算法的優越性分別使用PCA算法與PSO算法進行了對比實驗。
實驗結果證明了基于改進布谷鳥波段選擇方法具有高精度高效率運算的特點,可為高光譜遙感影像的降維提供新的可行方法。


關鍵字;布谷鳥算法,波段選擇,高光譜遙感


掃掃二維碼,隨身瀏覽文檔

手機瀏覽器 即可繼續訪問

推薦 UC瀏覽器 或 百度手機瀏覽器

手機閱讀文檔,一鍵掃碼下載

獲取二維碼

微信公眾號

手機 關注公眾號

關注公眾號,用微信掃描即可登錄網站

獲取二維碼
百变王牌走势图重庆 重庆麻将倒倒胡手机下载 福州股票配资翻翻配资最好a 中国石油股票行情 我爱南京麻将app 辽宁十一选五开奖走 股票配资论坛b互利计划 无网四人单机麻将 男篮世界杯中国队名 友乐河南麻将下载 云南微信麻将群二维码 嘉盛投资 3d试机号30期开 股票配资业务怎么做 王者陕西麻将 36选7规则 2013上证指数分析