论文部分内容阅读
K近邻等传统分类算法在高光谱遥感影像数据上进行分类时,由于其高维度、非线性特点,分类效果会受到严重影响。本文利用核函数方法,融合K近邻分类算法与Isomap非线性降维算法,提出了一种新的K近邻非线性分类器。该分类器无需通过降维预处理,并具备处理非线性数据的能力。在实验中,通过交叉验证与参数验证证明该方法在高光谱遥感影像上的分类效果明显优于原始K近邻分类算法以及结合主成分分析法的K近邻分类法。