论文部分内容阅读
随着遥感技术的飞速发展,高光谱遥感影像的光谱分辨率越来越高,且将传统的图像维和光谱维信息融为一体,具有图谱合一的特点。虽然这些特点使其在分类方面有明显的优势,但是同时也具有数据量大,信息冗余等缺点。对于许多常规分类器而言,需要足够多的训练样本,才能获得较好的分类精度。人工标记样本的代价较高,如何设计算法,使得在小样本的情况下,能获得可接受的分类精度是非常值得研究的。本文关注的就是如何在目前已有方法的基础上,尽量在训练样本较少的情况下,提高高光谱影像的分类精度。集成学习,即组合多分类器方法,能够改善单