[发明专利]一种最大化类别可分性的高光谱图像分类多核学习方法有效
| 申请号： | 201611008770.6 | 申请日： | 2016-11-16 |
| 公开（公告）号： | CN106778802B | 公开（公告）日： | 2020-04-24 |
| 发明（设计）人： | 谷延锋;王青旺 | 申请（专利权）人： | 哈尔滨工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46 |
| 代理公司： | 哈尔滨市松花江专利商标事务所 23109 | 代理人： | 杨立超 |
| 地址： | 150001 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
一种最大化类别可分性的高光谱图像分类多核学习方法，本发明涉及多核学习模型求解。本发明为解决现有应用于高光谱图像分类的多核学习方法中，存在没有考虑将多核模型求解与后续分类应用相结合以及求解效率低的问题。按以下步骤进行：步骤一、从给定的输入高光谱图像数据集中获取训练样本和测试样本；步骤二、利用训练样本集 |
||
| 搜索关键词： | 一种 最大化 类别 可分性 光谱 图像 分类 多核 学习方法 | ||
【主权项】：
一种最大化类别可分性的高光谱图像分类多核学习方法，其特征在于：一种最大化类别可分性的高光谱图像分类多核学习方法具体过程为：步骤一、从给定的输入高光谱图像数据集中获取训练样本和测试样本；步骤二、利用训练样本集构造多核学习模型中的基核矩阵Km，得到基核矩阵集步骤三、利用基核矩阵集在希尔伯特核空间度量高光谱图像数据集类内离散度和类间离散度；步骤四、在类内离散度和类间离散度基础上以最大类别间隔准则度量类别可分性，以类别可分性最大为多核学习模型求解准则，求解基核权重。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学，未经哈尔滨工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611008770.6/，转载请声明来源钻瓜专利网。
